Administrativ information
| Titel | Förklarande maskininlärning (XAI) |
| Varaktighet | 120 |
| Modul | C |
| Typ av lektion | Praktiskt |
| Fokus | Teknik – Framtida AI |
| Ämne | Öppna problem och utmaningar |
Nyckelord
Xai, Ante-hoc, Post-hoc, SHAP,LIME,
Lärandemål
- Förstå XAI-teknikens taxonomi
- Förstå fördelarna och nackdelarna med utvalda metoder för XAI
- Tillämpa valda XAI-tekniker i en datauppsättning
- Identifiera framtida riktningar för XAI
Förväntad förberedelse
Lärande händelser som ska slutföras innan
Obligatoriskt för studenter
Ingen.
Valfritt för studenter
Ingen.
Referenser och bakgrund för studenter
Ingen.
Rekommenderas för lärare
Ingen.
Lektionsmaterial
Instruktioner för lärare
Med hjälp av tabellexemplet i anteckningarna, med både LIME och SHAP för att undersöka alla attribut för fyra andra felaktigt klassificerade instanser för att beskriva förutsägelserna. $ Använda CNNS och LIME och SHAP-förklarbarhetsmetoder för fyra andra felaktigt klassificerade instanser för att beskriva förutsägelserna. $ För ett textbaserat problem identifierar du fyra andra felaktigt klassificerade instanser för att beskriva förutsägelserna och varför de kan ha varit felaktiga. Räkna upp dina ansträngningar, bestäm om övningar uppfyller alla fem XAI perspektiv, och utarbeta om de gör det.
Erkännanden
Masterprogrammet Human-Centered AI har samfinansierats av Fonden för ett sammanlänkat Europa i Europeiska unionen inom ramen för Grant CEF-TC-2020–1 Digital Skills 2020 EU-IA-0068.