Hallinnolliset tiedot
| Otsikko | Selittävä koneoppiminen (XAI) |
| Kesto | 120 |
| Moduuli | C |
| Oppitunnin tyyppi | Käytännöllinen |
| Keskittyminen | Tekninen – Tulevaisuuden tekoäly |
| Aihe | Avoimet ongelmat ja haasteet |
Avainsanoja
Xai, Ante-hoc,Post-hoc,SHAP, LIME,
Oppimistavoitteet
- XAI-tekniikoiden taksonomia
- Ymmärtää XAI: n valikoitujen lähestymistapojen edut ja haitat
- Käytä valittuja XAI-tekniikoita tietojoukkoon
- XAI:n tulevaisuuden suunnat
Odotettu valmistelu
Oppimistapahtumat valmistuvat ennen
Pakollinen opiskelijoille
Ei mitään.
Valinnainen opiskelijoille
Ei mitään.
Referenssejä ja taustaa opiskelijoille
Ei mitään.
Suositellaan opettajille
Ei mitään.
Oppituntimateriaalit
Ohjeita opettajille
Muistiinpanojen taulukkomaisen esimerkin avulla sekä LIME että SHAP tutkivat kaikkien neljän muun virheellisesti luokitellun instanssin attribuutit kuvaamaan ennusteita. $ Käyttämällä CNNS- ja LIME- ja SHAP-selitysmenetelmiä neljälle muulle virheellisesti luokitellulle tapahtumalle kuvaamaan ennusteita. $ Tekstipohjaisen ongelman osalta tunnista neljä muuta väärin luokiteltua tapausta kuvaamaan ennusteita ja miksi ne ovat saattaneet olla virheellisiä. Lisää ponnistelujasi, määritä, täyttävätkö harjoitukset kaikki viisi XAI: n näkökulmaa, ja tarkentaa, jos ne tekevät.
Tunnustukset
Human-Centered AI Masters -ohjelmaa rahoitettiin Euroopan unionin Verkkojen Eurooppa -välineestä (CEF-TC-2020–1 Digital Skills 2020-EU-IA-0068).