آموزش مدل‌های یادگیری عمیق قابل تفسیر در حوزه بهداشت و درمان - آخرین آپدیت

دانلود Explainable Deep Learning Models for Healthcare

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره به معرفی مفاهیم تفسیرپذیری (Interpretability) و توضیح‌پذیری (Explainability) در کاربردهای یادگیری ماشین می‌پردازد. فراگیران تفاوت بین توضیحات سراسری (Global)، محلی (Local)، مستقل از مدل (Model-agnostic) و مختص مدل (Model-specific) را درک خواهند کرد. روش‌های پیشرفته توضیح‌پذیری مانند اهمیت ویژگی جایگشتی (PFI)، توضیحات محلی تفسیرپذیر مستقل از مدل (LIME) و توضیحات افزایشی شپلی (SHAP) تشریح شده و در طبقه‌بندی سری‌های زمانی به کار گرفته می‌شوند. در ادامه، توضیحات مختص مدل مانند نقشه‌برداری فعال‌ساز کلاس (CAM) و Grad-CAM توضیح داده شده و پیاده‌سازی می‌شوند. همچنین، مفاهیم انتساب‌های بدیهی (Axiomatic Attributions) و اهمیت آن‌ها بررسی خواهد شد. در نهایت، مکانیزم‌های توجه (Attention Mechanisms) پس از لایه‌های بازگشتی ادغام شده و وزن‌های توجه برای تولید توضیحات محلی مدل بصری‌سازی می‌شوند.

سرفصل ها و درس ها

مدل‌های یادگیری ماشین تفسیرپذیر در مقابل توضیح‌پذیر در بهداشت و درمان Interpretable vs Explainable Machine Learning Models in Healthcare

  • ویدیو خوش‌آمدگویی: مدل‌های یادگیری عمیق قابل تفسیر در بهداشت و درمان Welcome video - Explainable Deep Learning Models for Healthcare

  • تفسیرپذیری در مقابل توضیح‌پذیری Interpretability vs Explainability

  • توضیح‌پذیری در کاربردهای بهداشت و درمان 'Explainability' in Healthcare Applications

  • تاکسونومی روش‌های توضیح‌پذیری Taxonomy of Explainability Methods

  • روش‌های توضیح‌پذیری مستقل از مدل Model Agnostic Explainability Methods

  • اهمیت ویژگی جایگشتی در داده‌های سری زمانی Permutation Feature Importance in Time Series Data

روش‌های توضیح‌پذیری محلی برای مدل‌های یادگیری عمیق Local Explainability Methods for Deep Learning Models

  • توضیحات محلی تفسیرپذیر مستقل از مدل (LIME) Local Interpretable Model Agnostic Explanations (LIME)

  • استفاده از LIME در طبقه‌بندی سری‌های زمانی LIME in Time-Series Classification

  • توضیحات افزایشی شپلی (SHAP) Shapley Additive Explanations

  • توضیحات مختص مدل: روش‌های بصری‌سازی Model-Specific Explanations: Visualisation Methods

  • استفاده از CAM در طبقه‌بندی سری‌های زمانی CAM in Time-Series Classification

نقشه‌برداری فعال‌ساز کلاس با وزن گرادیان و گرادیان‌های یکپارچه Gradient-weighted Class Activation Mapping and Integrated Gradients

  • نقشه‌های فعال‌ساز کلاس با وزن گرادیان (Grad-CAM) Gradient Weighted Class Activation Maps

  • استفاده از Grad-CAM در طبقه‌بندی سری‌های زمانی Grad-CAM in Time-Series Classification

  • گرادیان‌های یکپارچه (Integrated Gradients) Integrated Gradients

  • گرادیان‌های یکپارچه در طبقه‌بندی سری‌های زمانی Integrated Gradients in Time Series Classification

مکانیزم‌های توجه در یادگیری عمیق Attention mechanisms in Deep Learning

  • مفهوم توجه (Attention) در یادگیری عمیق Attention in Deep Learning

  • تاکسونومی مکانیزم‌های توجه Taxonomy of Attention

  • ارتباط بین توجه و توضیح‌پذیری Attention and Explainability

نمایش نظرات

آموزش مدل‌های یادگیری عمیق قابل تفسیر در حوزه بهداشت و درمان
جزییات دوره
30h 5m
18
(آخرین آپدیت)
1,898
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده