Ευχαριστούμε που στάλθηκε η αποσαφήνισή σας! Ένα μέλος της ομάδου μας θα επικοινωνήσει μαζί σας σύντομα.
Ευχαριστούμε για την εκδήλωση κράτησης! Ένας από τους συνεργάτες μας θα επικοινωνήσει μαζί σας σύντομα.
Διάρκεια 14 Ώρες
Εξέλιξη Κομματιού
Εισαγωγή στην Επεξήγησιμη Τεχνητή Νοημοσύνη
- Τι είναι η Επεξήγησιμη Τεχνητή Νοημοσύνη (XAI);
- Σημασία της διαφάνειας στα μοντέλα ΤΝ
- Κρίσιμες προκλήσεις στην ερμηνευσιμότητα της ΤΝ
Βασικές Τεχνικές XAI
- Μεθόδους ανεξάρτητες από το μοντέλο: LIME, SHAP
- Μεθόδους ερμηνευσιμότητας ειδικές για μοντέλα
- Εξήγηση αποφάσεων που λαμβάνονται από μοντέλα «μαύρου κουτιού»
Hands-on με Εργαλεία XAI
- Εισαγωγή σε βιβλιοθήκες XAI ανοιχτού κώδικα
- Εφαρμογή XAI σε απλά μοντέλα μηχανικής μάθησης
- Οπτικοποίηση ερμηνειών και συμπεριφοράς μοντέλων
Προκλήσεις στην Επεξήγησιμότητα
- Επίπεδο ακρίβειας έναντι ερμηνευσιμότητας (trade-offs)
- Περιορισμοί των τωρινών μεθόδων XAI
- Διαχείριση αδιαφορίας και δικαιότητας σε επεξηγήσιμα μοντέλα
Ηθικές Επισημάνσεις στην XAI
- Κατανόηση των ηθικών επιπτώσεων της διαφάνειας της ΤΝ
- Ισορροπία μεταξύ επεξηγησιμότητας και απόδοσης μοντέλων
- Προσοχή σε ιδιωτικότητα και προστασία δεδομένων στην XAI
Εφαρμογές XAI στον Πραγματικό Κόσμο
- XAI στη φροντίδα υγείας, χρηματοπιστωτικό τομέα και εκτέλεση νόμου
- Κανονιστικές απαιτήσεις για επεξηγησιμότητα
- Δημιουργία εμπιστοσύνης στα συστήματα ΤΝ μέσω της διαφάνειας
Συνθετικές Έννοιες XAI
- Εξερεύνηση αντιφατικών ερμηνειών
- Εξήγηση νευρωνικών δικτύων και μοντέλων deep learning
- Ερμηνεία σύνθετων συστημάτων ΤΝ
Μελλοντικές Τάσεις στην Επεξήγησιμη Τεχνητή Νοημοσύνη
- Επόμενες τεχνικές στην έρευνα XAI
- Προκλήσεις και ευκαιρίες για μελλοντική διαφάνεια της ΤΝ
- Επίδραση της XAI στην υπεύθυνη ανάπτυξη ΤΝ
Απαιτήσεις
- Βασική κατανόηση των εννοιών της μηχανικής μάθησης
- Οικειότητα με την προγραμματιστική γλώσσα Python
Στόχος Κοινό
- Αρχάριους στην ΤΝ
- Ενθουσιώδεις της επιστήμης δεδομένων