Διοικητικές πληροφορίες
| Τίτλος | Επεξήγηση Μηχανικής Μάθησης (XAI) |
| Διάρκεια | 120 |
| Ενότητα | Γ |
| Είδος μαθήματος | Πρακτική |
| Εστίαση | Τεχνική — Μελλοντική ΤΝ |
| Θέμα | Ανοιχτά προβλήματα και προκλήσεις |
Λέξεις-κλειδιά
Xai, Ante-hoc, post-hoc, SHAP, LIME,
Μαθησιακοί στόχοι
- Κατανοήστε την ταξινομία των τεχνικών XAI
- Κατανοήστε τα πλεονεκτήματα και τα μειονεκτήματα των επιλεγμένων προσεγγίσεων για το XAI
- Εφαρμογή επιλεγμένων τεχνικών XAI σε ένα σύνολο δεδομένων
- Προσδιορίστε τις μελλοντικές κατευθύνσεις της XAI
Αναμενόμενη προετοιμασία
Μαθησιακές εκδηλώσεις που πρέπει να ολοκληρωθούν πριν
Υποχρεωτικό για τους φοιτητές
Καμία.
Προαιρετικό για Φοιτητές
Καμία.
Αναφορές και υπόβαθρο για τους μαθητές
Καμία.
Συνιστάται για εκπαιδευτικούς
Καμία.
Οδηγίες για τους εκπαιδευτικούς
Χρησιμοποιώντας το παράδειγμα πίνακα στις σημειώσεις, χρησιμοποιώντας τόσο το LIME όσο και το SHAP για να εξετάσετε όλα τα χαρακτηριστικά για τέσσερις άλλες λανθασμένα ταξινομημένες περιπτώσεις για να περιγράψετε τις προβλέψεις. Χρησιμοποιώντας το CNNS και τις προσεγγίσεις εξηγησιμότητας LIME και SHAP για τέσσερις άλλες λανθασμένα ταξινομημένες περιπτώσεις για να περιγράψουμε τις προβλέψεις. $ Για ένα πρόβλημα που βασίζεται στο κείμενο, προσδιορίστε τέσσερις άλλες λανθασμένα ταξινομημένες περιπτώσεις για να περιγράψετε τις προβλέψεις και γιατί μπορεί να ήταν εσφαλμένες. Αθροίστε τις προσπάθειές σας, προσδιορίστε αν οι ασκήσεις πληρούν και τις πέντε προοπτικές XAI και αναλύστε αν το κάνουν.
Αναγνωρίσεις
Το πρόγραμμα Μάστερ τεχνητής νοημοσύνης με επίκεντρο τον άνθρωπο συγχρηματοδοτήθηκε από τον μηχανισμό «Συνδέοντας την Ευρώπη» της Ευρωπαϊκής Ένωσης στο πλαίσιο της επιχορήγησης CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.