Informacje administracyjne
| Tytuł | Wytłumaczalne uczenie maszynowe (XAI) |
| Czas trwania | 120 |
| Moduł | C |
| Rodzaj lekcji | Praktyczne |
| Skupienie | Techniczne – Przyszła sztuczna inteligencja |
| Temat | Otwarte problemy i wyzwania |
Słowa kluczowe
Xai, Ante-hoc, Post-hoc, SHAP, LIME,
Cele w zakresie uczenia się
- Poznaj taksonomię technik XAI
- Poznaj zalety i wady wybranych podejść do XAI
- Zastosuj wybrane techniki XAI do zbioru danych
- Zidentyfikuj przyszłe kierunki XAI
Oczekiwane przygotowanie
Wydarzenia edukacyjne, które należy ukończyć przed
Obowiązkowe dla studentów
Brak.
Opcjonalne dla studentów
Brak.
Referencje i tło dla studentów
Brak.
Zalecane dla nauczycieli
Brak.
Materiały do lekcji
Instrukcje dla nauczycieli
Korzystając z przykładu tabelarycznego w notatkach, używając LIME i SHAP do zbadania wszystkich atrybutów dla czterech innych niepoprawnie sklasyfikowanych instancji, aby opisać przewidywania. Wykorzystanie metod wyjaśnialności CNNS i LIME i SHAP dla czterech innych niepoprawnie sklasyfikowanych instancji w celu opisania prognoz. $ W przypadku problemu opartego na tekście zidentyfikuj cztery inne niepoprawnie sklasyfikowane przypadki, aby opisać przewidywania i dlaczego mogły być nieprawidłowe. Zsumuj swoje wysiłki, ustal, czy ćwiczenia spełniają wszystkie pięć perspektyw XAI i wyjaśnij, czy tak jest.
Potwierdzenia
Program Masters zorientowany na człowieka został współfinansowany przez instrument „Łącząc Europę” Unii Europejskiej w ramach grantu CEF-TC-2020-1 Umiejętności cyfrowe 2020-EU-IA-0068.