Adminisztratív információk
| Cím | Magyarázható gépi tanulás (XAI) |
| Időtartam | 120 |
| Modul | C |
| Lecke típusa | Praktikus |
| Fókusz | Technikai – Jövőbeli MI |
| Téma | Nyitott problémák és kihívások |
Kulcsszó
Xai,Ante-hoc,Post-hoc,SHAP,LIME,
Tanulási célok
- Ismerje meg a XAI technikák taxonómiáját
- Ismerje meg az XAI kiválasztott megközelítéseinek előnyeit és hátrányait
- A kiválasztott XAI technikák alkalmazása egy adatkészletre
- Határozza meg a XAI jövőbeli irányait
Várható előkészítés
Az előtt befejezendő tanulási események
Kötelező a diákok számára
Egy sem.
Választható diákok számára
Egy sem.
Referenciák és háttér a diákok számára
Egy sem.
Ajánlott tanároknak
Egy sem.
Utasítások tanároknak
A jegyzetek táblázatos példáját használva mind a LIME, mind a SHAP segítségével négy másik helytelenül minősített példány összes attribútumát megvizsgálja az előrejelzések leírásához. $ A CNNS és a LIME és SHAP magyarázhatósági megközelítések használata négy másik hibásan osztályozott példány esetében az előrejelzések leírására. $ Egy szövegalapú probléma esetén jelöljön meg négy másik hibásan minősített példányt, hogy leírja az előrejelzéseket és azt, hogy miért voltak helytelenek. Összegezze az erőfeszítéseit, határozza meg, hogy a gyakorlatok megfelelnek-e mind az öt XAI perspektívának, és fejtse ki, ha igen.
Visszaigazolások
A Human-Centered AI Masters programot az Európai Unió Európai Hálózatfinanszírozási Eszköze (CEF-TC-2020–1 Digitális készségek 2020 EU-IA-0068) társfinanszírozta.