Informations administratives
| Titre | Apprentissage automatique explicable (XAI) |
| Durée | 120 |
| Module | C |
| Type de leçon | Pratique |
| Focus | Technique — IA future |
| Sujet | Problèmes et défis ouverts |
Mots-clés
Xai, Ante-hoc, Post-hoc, SHAP, LIME,
Objectifs d’apprentissage
- Comprendre la taxinomie des techniques XAI
- Comprendre les avantages et les inconvénients des approches sélectionnées de XAI
- Appliquer les techniques XAI sélectionnées à un ensemble de données
- Identifier les orientations futures de XAI
Préparation prévue
Événements d’apprentissage à compléter avant
Obligatoire pour les étudiants
Aucun.
Optionnel pour les étudiants
Aucun.
Références et antécédents pour les étudiants
Aucun.
Recommandé pour les enseignants
Aucun.
Matériel de leçon
Instructions pour les enseignants
En utilisant l’exemple tabulaire dans les notes, en utilisant LIME et SHAP pour examiner tous les attributs pour quatre autres instances mal classifiées pour décrire les prédictions. $ Utilisation de CNNS et des approches d’explicabilité LIME et SHAP pour quatre autres instances mal classifiées pour décrire les prédictions. $ Pour un problème textuel, identifiez quatre autres instances mal classifiées pour décrire les prédictions et pourquoi elles peuvent avoir été incorrectes. Accumulez vos efforts, déterminez si les exercices répondent aux cinq perspectives XAI et élaborez s’ils le font.
Remerciements
Le programme de master IA centré sur l’humain a été cofinancé par le mécanisme pour l’interconnexion en Europe de l’Union européenne dans le cadre de la subvention CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.