Informazioni amministrative
| Titolo | Apprendimento automatico spiegabile (XAI) |
| Durata | 120 |
| Modulo | C |
| Tipo di lezione | Pratico |
| Focus | Tecnico — Intelligenza Artificiale del Futuro |
| Argomento | Problemi aperti e sfide |
Parole chiave
Xai, Anti-hoc, Post-hoc, SHAP, LIME,
Obiettivi di apprendimento
- Comprendere la tassonomia delle tecniche XAI
- Comprendere i vantaggi e gli svantaggi di approcci selezionati a XAI
- Applicare tecniche XAI selezionate a un set di dati
- Identificare le direzioni future di XAI
Preparazione prevista
Eventi di apprendimento da completare prima
Obbligatorio per gli studenti
Nessuno.
Facoltativo per gli studenti
Nessuno.
Referenze e background per gli studenti
Nessuno.
Consigliato per gli insegnanti
Nessuno.
Materiale didattico
Istruzioni per gli insegnanti
Utilizzando l'esempio tabellare nelle note, utilizzando sia LIME che SHAP per esaminare tutti gli attributi per altre quattro istanze classificate in modo errato per descrivere le previsioni. Utilizzando CNNS e il LIME e SHAP spiegabilità approcci per altri quattro casi classificati in modo errato per descrivere le previsioni. $ Per un problema basato sul testo, identifica altre quattro istanze classificate in modo errato per descrivere le previsioni e perché potrebbero essere state errate. Somma i tuoi sforzi, determina se gli esercizi soddisfano tutte e cinque le prospettive XAI ed elabora se lo fanno.
Riconoscimenti
Il programma Human-Centered AI Masters è stato co-finanziato dal meccanismo per collegare l'Europa dell'Unione europea nell'ambito della sovvenzione CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.