Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Đề cương khóa học
Giới thiệu về các Kỹ thuật XAI Nâng cao
- Tổng quan về các phương pháp XAI cơ bản
- Thách thức trong việc diễn giải các mô hình AI phức tạp
- Xu hướng trong nghiên cứu và phát triển XAI
Các Kỹ thuật Giải thích Không phụ thuộc Mô hình
- SHAP (SHapley Additive exPlanations)
- LIME (Local Interpretable Model-agnostic Explanations)
- Anchor explanations
Các Kỹ thuật Giải thích Phụ thuộc Mô hình
- Lan truyền độ liên quan theo lớp (Layer-wise relevance propagation - LRP)
- DeepLIFT (Deep Learning Important FeaTures)
- Các phương pháp dựa trên Gradient (Grad-CAM, Integrated Gradients)
Giải thích Deep Learning Mô hình
- Diễn giải mạng nơ-ron tích chập (Convolutional Neural Networks - CNNs)
- Giải thích mạng nơ-ron hồi quy (Recurrent Neural Networks - RNNs)
- Phân tích các mô hình dựa trên Transformer (BERT, GPT)
Xử lý các Thách thức về Khả năng Diễn giải
- Giải quyết các hạn chế của mô hình hộp đen
- Cân bằng độ chính xác và khả năng diễn giải
- Đối phó với sự thiên vị và công bằng trong các giải thích
Ứng dụng của XAI trong các Hệ thống Thực tế
- XAI trong lĩnh vực chăm sóc sức khỏe, tài chính và pháp lý
- Quy định và yêu cầu tuân thủ về AI
- Xây dựng lòng tin và trách nhiệm giải trình thông qua XAI
Xu hướng Tương lai trong AI có thể Giải thích
- Các kỹ thuật và công cụ mới nổi trong XAI
- Các mô hình giải thích thế hệ tiếp theo
- Cơ hội và thách thức trong tính minh bạch của AI
Tóm tắt và Các Bước Tiếp theo
Requirements
- Hiểu biết vững chắc về AI và học máy
- Có kinh nghiệm với mạng nơ-ron và học sâu
- Làm quen với các kỹ thuật XAI cơ bản
Đối tượng
- Các nhà nghiên cứu AI có kinh nghiệm
- Kỹ sư học máy
21 Hours
