Informacje administracyjne
| Tytuł | Zaufanie, normalność i model Drift |
| Czas trwania | 60 |
| Moduł | C |
| Rodzaj lekcji | Sesja interaktywna |
| Skupienie | Techniczne – Przyszła sztuczna inteligencja |
| Temat | Otwarte problemy i wyzwania |
Słowa kluczowe
Zaufanie, dryf modelu, normalność,
Cele w zakresie uczenia się
- Zastosowanie ram zaufania do kilku przykładów AI/ML
- Zaproponowanie wskaźników zaufania na przykładzie studiów przypadków i powiązanie z unijnymi ramami zaufania
- Omówienie normatywności cyfrowej w kontekście przykładowych studiów przypadków
- Identyfikowanie i modelowanie potencjału Drift w przykładowych studiach przypadków i proponowanie wskaźników dryfu i rozwiązań w celu wzmocnienia zaufania modelu
Oczekiwane przygotowanie
Wydarzenia edukacyjne, które należy ukończyć przed
Obowiązkowe dla studentów
Opcjonalne dla studentów
Referencje i tło dla studentów
Zalecane dla nauczycieli
Brak.
Materiały do lekcji
Instrukcje dla nauczycieli
Zachęcaj uczniów do angażowania się w dyskusje. Prowadzenie i prowadzenie dyskusji w ramach punktów dyskusyjnych. Zachęcaj uczniów do skupienia się na dowodach i przerywania, jeśli rozmawiają o innych. Zachowaj notatkę wszystkich punktów dyskusji i podziel się ścieżką dyskusji na końcu klasy. Przedstawienie rozstrzygających uwag do dyskusji z ewentualnymi otwartymi pytaniami i wyzwaniami.
Zarys
| Czas trwania (min) | Opis |
|---|---|
| 5 | Definicja problemu |
| 25 | Przykłady dryfu modelu, Rodzaje modelu Drift |
| 15 | Dyskusja na temat normalności, stosowania ram zaufania do modeli AI/ML |
| 5 | Podsumowanie dyskusji na temat Model Drift i Normativity i otwarte zakończone pytania |
Potwierdzenia
Program Masters zorientowany na człowieka został współfinansowany przez instrument „Łącząc Europę” Unii Europejskiej w ramach grantu CEF-TC-2020-1 Umiejętności cyfrowe 2020-EU-IA-0068.