[deze pagina op wiki][index][EN][BG][CS][DA][DE][EL][ES][ET][FI][FR][GA][HR][HU][IT][MT][NL][PL][PT][RO][SK][SL][SV]

Lezing: Gastlezing over Explainable Machine Learning (XAI)

Administratieve informatie

Titel Gastlezing over Verklaarbaar Machine Learning
Looptijd 60
Module C
Type les Lezing
Focus Technisch — Toekomstige AI
Onderwerp Open problemen en uitdagingen

Sleutelwoorden

Verklaarbare AI, interpreteerbare modellen, Black Box modellen, post-hoc,

Leerdoelen

Verwachte voorbereiding

Leren van gebeurtenissen die moeten worden voltooid voordat

Verplicht voor studenten

Referenties en achtergronden voor studenten

  • MIT 6.S191: Robuust en betrouwbaar diep leren — YouTube video

Aanbevolen voor docenten

Geen.

Lesmateriaal

Instructies voor docenten

Deze gastlezing moet het belang van verklaarbare AI en de voordelen ervan voor AI-systemen uitleggen. De lezing moet aangeven welke belanghebbenden betrokken zijn en hoe XAI voor elke groep (engineers, eindgebruikers, wetgevers) voordelig kan zijn. Er moet een onderscheid worden gemaakt tussen interpreteerbare AI en verklaarbare AI, samen met een discussie over waarom XAI op de lange termijn misschien niet goed genoeg is. De lezing moet de gewenste kenmerken van verklaarbaarheid identificeren en een taxonomie van XAI-benaderingen schetsen. De lezing moet eindigen met een bespreking van de beperkingen van exisitng XAI benaderingen en hun toekomstige richtingen.

Omtrek

CeadAR tech talk: Naar robuuste en betrouwbare AI
Looptijd Omschrijving
10 min. Het belang van Explainable AI (XAI)
10 min. Interpreteerbare en verklarende AI
10 min. Xai-stakeholders
10 min. Taxonomie van XAI benaderingen
10 min. Beperkingen van Xai en toekomstige richting

Erkenningen

Het Human-Centered AI Masters-programma werd mede gefinancierd door de Connecting Europe Facility van de Europese Unie in het kader van de subsidie CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.