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

  • الگوریتم LIME LIME

  • تکنیک Anchors Anchors

  • مقادیر شپلی (Shapley Values) Shapley Values

  • الگوریتم SHAP SHAP

  • نمودارهای انتظار شرطی فردی (ICE) Individual Conditional Expectation (ICE) Plots

  • آشنایی با توضیحات جهانی Introduction to Global Explanations

  • تجزیه تابعی Functional Decomposition

  • تعامل ویژگی‌ها Feature Interaction

  • اهمیت ویژگی بر اساس جایگشت Permutation Feature Importance

  • نمودارهای وابستگی جزئی (PDP) Partial Dependence Plots

  • نمودارهای اثرات محلی انباشته (ALE) Accumulated Local Effects (ALE) Plots

  • آشنایی با توضیحات مبتنی بر مثال Introduction to Example-based Explanations

  • توضیحات مبتنی بر نمونه اولیه Prototype-based Explanations

  • توضیحات ضدواقعیت (Counterfactual) Counterfactual Explanations

  • نمونه‌های تاثیرگذار Influential Instances

یادگیری عمیق قابل تفسیر Explainable Deep Learning

  • بصری‌سازی ویژگی‌ها Feature Visualization

  • تخصیص ویژگی Feature Attribution

  • کالبدشکافی شبکه Network Dissection

  • بردارهای فعال‌ساز مفهوم (CAV) Concept Activation Vectors

  • مروری بر مکانیزم توجه A Review of Attention

  • بصری‌سازی توجه Visualizing Attention

  • توجه تفسیرپذیر: بحث‌ها و چالش‌ها Interpretable Attention: The Debate

  • روش‌های برجستگی به عنوان جایگزین Saliency Methods as Alternatives

هوش مصنوعی مولد قابل تفسیر Explainable Generative AI

  • چالش‌های XAI در مدل‌های زبانی بزرگ (LLM) XAI in LLM Challenges

  • تفسیرپذیری در تنظیم دقیق (Fine-tuning) مدل‌های زبانی XAI in LLM Fine-tuning

  • تفسیرپذیری در مهندسی پرامپت (Prompting) XAI in LLM Prompting

  • تفسیرپذیری در تقویت دانش (RAG) XAI in Knowledge Augmentation (RAG)

  • تفسیرپذیری در بینایی ماشین مولد XAI in Generative Computer Vision

  • تفسیرپذیری در شبکه‌های GAN XAI in GANs

  • تفسیرپذیری در مدل‌های انتشار (Diffusion) XAI in Diffusion Models

نمایش نظرات

آموزش یادگیری ماشین قابل تفسیر (XAI)
جزییات دوره
14h 48m
34
(آخرین آپدیت)
2,265
4.8 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