Administratieve informatie
| Titel | Verklaarbare Machine Learning (XAI) |
| Looptijd | 120 |
| Module | C |
| Type les | Praktisch |
| Focus | Technisch — Toekomstige AI |
| Onderwerp | Open problemen en uitdagingen |
Sleutelwoorden
Xai,Ante-hoc, Post-hoc,SHAP, LIME,
Leerdoelen
- Begrijp de taxonomie van XAI-technieken
- Begrijp de voor- en nadelen van geselecteerde benaderingen van XAI
- Pas geselecteerde XAI-technieken toe op een gegevensset
- Bepaal toekomstige richtingen van XAI
Verwachte voorbereiding
Leren van gebeurtenissen die moeten worden voltooid voordat
Verplicht voor studenten
Geen.
Optioneel voor studenten
Geen.
Referenties en achtergronden voor studenten
Geen.
Aanbevolen voor docenten
Geen.
Instructies voor docenten
Gebruik het tabelvoorbeeld in de notities, met behulp van zowel LIME als SHAP om alle attributen te onderzoeken voor vier andere onjuist geclassificeerde instanties om de voorspellingen te beschrijven. $ Met behulp van CNNS en de LIME en SHAP verklaarbaarheid benaderingen voor vier andere onjuist geclassificeerde instanties om de voorspellingen te beschrijven. $ Voor een op tekst gebaseerd probleem, identificeer vier andere onjuist geclassificeerde instanties om de voorspellingen te beschrijven en waarom ze mogelijk onjuist zijn geweest. $ Sum up je inspanningen, bepaal of oefeningen voldoen aan alle vijf XAI perspectieven, en uit te werken als ze doen.
Erkenningen
Het Human-Centered AI Masters-programma werd mede gefinancierd door de Connecting Europe Facility van de Europese Unie in het kader van de subsidie CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.