لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش یادگیری ماشین قابل تفسیر (XAI)
- آخرین آپدیت
دانلود Explainable Machine Learning (XAI)
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
با ادغام هوش مصنوعی (AI) در حوزههای حساس مانند مراقبتهای بهداشتی، امور مالی و عدالت کیفری، بسیار حیاتی است که توسعهدهندگان این سیستمها فراتر از مدلهای «جعبه سیاه» فکر کنند و سیستمهایی طراحی کنند که نهتنها دقیق، بلکه شفاف و قابل اعتماد باشند. این دوره یک راهنمای جامع و عملی برای یادگیری ماشین قابل تفسیر (XAI) است که شما را قادر میسازد راهکارهای هوش مصنوعی همسو با اصول هوش مصنوعی مسئولانه توسعه دهید.
از طریق مباحث نظری، بررسی موردی، آزمایشگاههای برنامهنویسی و مثالهای واقعی، مهارتهای زیر را کسب خواهید کرد:
۱. پیادهسازی تکنیکهای تفسیر محلی مانند LIME، SHAP و نمودارهای ICE با استفاده از پایتون.
۲. پیادهسازی تکنیکهای تفسیر جهانی مانند نمودارهای وابستگی جزئی (PDP) و نمودارهای اثرات محلی انباشته (ALE) در پایتون.
۳. بهکارگیری تکنیکهای توضیح مبتنی بر مثال برای تفسیر مدلهای یادگیری ماشین.
۴. بصریسازی و تفسیر مدلهای شبکه عصبی با استفاده از تکنیکهای SOTA در پایتون.
۵. ارزیابی انتقادی روشهای توجه (Attention) و برجستگی (Saliency) برای تفسیر مدلهای ترنسفورمر.
۶. بررسی رویکردهای نوظهور در زمینه تفسیرپذیری مدلهای زبانی بزرگ (LLMs) و مدلهای بینایی ماشین مولد.
این دوره برای دانشمندان داده یا مهندسان یادگیری ماشین که تسلط خوبی بر مفاهیم پایه دارند اما تجربه کمی در زمینه XAI دارند، ایدهآل است. با تسلط بر رویکردهای XAI، شما قادر خواهید بود راهکارهای هوش مصنوعی قدرتمند، تفسیرپذیر، اخلاقی و قابل اعتمادی خلق کنید که چالشهای حیاتی در حوزههای پزشکی، مالی و قضایی را حل کند.
برای موفقیت در این دوره، داشتن درک متوسط از مفاهیم یادگیری ماشین مانند یادگیری نظارت شده و شبکههای عصبی ضروری است.
سرفصل ها و درس ها
تفسیرپذیری مستقل از مدل
Model-Agnostic Explainability
جعبه سیاه: انگیزه برای XAI
The Black Box: Motivation for XAI
یک تصمیم درست
A Good Decision
تعریف تفسیرپذیری، توضیحپذیری و شفافیت
Defining Interpretability, Explainability, and Transparency
آشنایی با توضیحات محلی
Introduction to Local Explanations
نمایش نظرات