Après avoir suivi ces cours, je me sens confiant dans la création de visualisations et de tableaux de bord professionnels.
Shoebur RahmanSpécialiste des marchés publics, Giz Bangladesh
Description du cours
Comprendre les concepts fondamentaux de l'intelligence artificielle explicable (XAI)
Ce cours présente le domaine crucial de l'XAI, qui cherche à rendre des algorithmes d'IA complexes compréhensibles et accessibles. Le besoin de transparence et de confiance dans ces technologies s'accroît avec l’intégration croissante des systèmes d'IA dans de multiples secteurs d’activité. Ce cours couvre les concepts fondamentaux de l'XAI, notamment la transparence, l'interprétabilité et la responsabilité, et explore l'équilibre entre la complexité du modèle et la capacité à l'expliquer.Découverte des techniques de l’XAI
Vous découvrirez les explications spécifiques aux modèles et les explications indépendantes des modèles, et vous bénéficierez d’informations et outils pratiques pour appliquer efficacement les principes de l'XAI dans vos projets. Le cours vise à vous doter des connaissances nécessaires pour rendre les systèmes d'IA plus transparents, plus éthiques et plus conformes aux valeurs de la société, afin que les décisions de l'IA soient non seulement efficaces, mais aussi justifiables et compréhensibles.Mise en œuvre concrète de l'XAI
À la fin de ce cours, vous aurez une solide compréhension de l'XAI et de son importance dans le développement de solutions d'IA, et vous serez prêt à mettre en œuvre ces principes pour améliorer la clarté et la fiabilité des systèmes d'IA dans des applications concrètes.Prérequis
Aucun prérequis pour ce cours
Programme de formation
Plan du cours
1
Introduction à l'IA explicable
Nous allons étudier l'IA explicable (XAI), en mettant l'accent sur son rôle dans la transparence, l'interprétation et la fiabilité des systèmes d'IA. Nous explorerons les capacités de l'IA en matière de prédiction et de génération de contenu, en soulignant la nécessité de processus décisionnels clairs. Nous examinerons également les méthodes permettant de rendre les modèles d'IA complexes plus compréhensibles pour un large éventail de publics.
- Les enjeux de l'IA explicable50 XP
- Transparence ou interprétabilité50 XP
- Scénarios interprétables50 XP
- Objectifs de l’XAI50 XP
- Les aspects techniques de l’XAI50 XP
- Comprendre les principes fondamentaux de l’XAI100 XP
- Précision et interprétabilité50 XP
- Communiquer sur l’XAI50 XP
- Segmentation de l'audience50 XP
- L'équilibre entre précision et simplicité50 XP
2
Techniques de l'IA explicable
Nous allons explorer les techniques d'IA explicable (XAI), pour les classer dans les catégories des explications spécifiques au modèle, indépendantes du modèle, locales et globales, afin de clarifier la prise de décision en matière d'IA. Nous discuterons de la régression et de la classification pour les insights spécifiques au modèle et nous présenterons SHAP et LIME pour interpréter les modèles de boîte noire. Nous aborderons également la complexité des grands modèles de langage (LLM), en soulignant la nécessité de transparence dans leurs processus de prise de décision.
3
Mise en œuvre et application de l’XAI
Nous explorons l'impact transformateur de l’XAI, qui rend l'intelligence artificielle plus accessible et plus conviviale dans divers secteurs. En intégrant l'explicabilité dès le départ, nous garantissons la transparence des systèmes d'IA, ce qui favorise la confiance et facilite une collaboration plus étroite entre les humains et les machines. Au travers d'études de cas concrets, nous montrons comment l’XAI démystifie les décisions complexes de l'IA, et permet à des utilisateurs aux connaissances techniques variées d'exploiter les insights de l'IA pour prendre des décisions plus éclairées.
R
Fondamentaux de l’IA explicable (XAI)
Cours
terminé
