ये कोर्स करने के बाद, मैं पेशेवर विज़ुअलाइज़ेशन और डैशबोर्ड बनाने में आत्मविश्वास महसूस करता हूँ
Shoebur Rahmanप्रोक्योरमेंट विशेषज्ञ, Giz Bangladesh
कोर्स विवरण
व्याख्यात्मक एआई की शक्ति का पता लगाएँ
व्याख्येय AI की रोचक दुनिया में एक यात्रा शुरू करें और AI के निर्णय-निर्माण के पीछे के रहस्यों को उजागर करें। डेटा वैज्ञानिकों और एमएल प्रैक्टिशनरों के लिए आदर्श, यह पाठ्यक्रम आपको Python का उपयोग करके AI मॉडल के व्यवहार की व्याख्या और स्पष्ट रूप से समझाने के लिए आवश्यक कौशल प्रदान करता है, जिससे आप अधिक पारदर्शी, भरोसेमंद और जवाबदेह AI सिस्टम बना सकें। व्याख्यात्मक AI में महारत हासिल करके, आप मॉडल्स को डिबग करने, नियामक आवश्यकताओं को पूरा करने, और विविध उद्योगों में AI अनुप्रयोगों के प्रति आत्मविश्वास बनाने की अपनी क्षमता को बढ़ाएँगे।व्याख्येयता तकनीकों का अन्वेषण करें
मॉडल-विशिष्ट व्याख्येयता दृष्टिकोणों को समझने से शुरुआत करें। Python की लाइब्रेरीज़ जैसे Scikit-learn का उपयोग करके निर्णय वृक्षों को विज़ुअलाइज़ करें और रैखिक मॉडलों में फीचर प्रभावों का विश्लेषण करें। फिर, मॉडल-अज्ञेय तकनीकों की ओर बढ़ें जो विभिन्न मॉडलों में काम करती हैं। SHAP और LIME जैसे टूल्स का उपयोग करके समग्र मॉडल व्यवहार और व्यक्तिगत पूर्वानुमानों के बारे में विस्तृत अंतर्दृष्टि प्राप्त करें, जिससे वास्तविक-विश्व अनुप्रयोगों में AI मॉडलों का विश्लेषण और व्याख्या करने की आपकी क्षमता और बेहतर हो।व्याख्येयता में और गहराई से उतरें
व्याख्याओं की विश्वसनीयता और सुसंगतता का आकलन करना सीखें, अनसुपरवाइज़्ड मॉडलों की व्याख्या करने की बारीकियों को समझें, और व्यावहारिक उदाहरणों के माध्यम से जनरेटिव AI मॉडलों की व्याख्या की संभावनाओं का अन्वेषण करें। पाठ्यक्रम के अंत तक, आपके पास AI मॉडल के निर्णयों को आत्मविश्वास से समझाने के लिए ज्ञान और उपकरण होंगे, जिससे आपके AI अनुप्रयोगों में पारदर्शिता और विश्वसनीयता सुनिश्चित होगी।पूर्वापेक्षाएँ
पाठ्यक्रम
कोर्स रूपरेखा
1
Explainable AI की बुनियाद
Explainable AI की बुनियादी अवधारणाएँ समझकर अपनी सीख की शुरुआत करें। जानिए कि decision trees से decision rules कैसे निकाले जाते हैं। Linear और tree-based मॉडलों से feature importance निकालें और विज़ुअलाइज़ करें ताकि यह समझ सकें कि ये मॉडल प्रेडिक्शंस कैसे बनाते हैं, जिससे निर्णय अधिक पारदर्शी होते हैं।
- Explainable AI का परिचय50 XP
- डिसीजन ट्री बनाम न्यूरल नेटवर्क100 XP
- Model-agnostic बनाम model-specific explainability50 XP
- लिनियर मॉडल्स में व्याख्येयता50 XP
- Linear regression के साथ feature impact की गणना100 XP
- Logistic regression से feature impact की गणना100 XP
- ट्री-आधारित मॉडलों में explainability50 XP
- डिसीजन ट्रीज़ के साथ फीचर इम्पॉर्टेंस निकालना100 XP
- रैंडम फॉरेस्ट के साथ फीचर इम्पोर्टेंस निकालना100 XP
2
मॉडल-अज्ञेय Explainability
विभिन्न मॉडलों में फीचर के प्रभाव को समझने के लिए मॉडल-अज्ञेय तकनीकों की शक्ति का उपयोग करें। Permutation importance और SHAP values लागू करके विश्लेषण करें कि फीचर्स मॉडल के व्यवहार को कैसे प्रभावित करते हैं। Explainability की अवधारणाओं को और समझने योग्य बनाने के लिए SHAP विज़ुअलाइज़ेशन टूल्स को एक्सप्लोर करें।
3
लोकल Explainability
लोकल explainability में गहराई से जाएँ, और व्यक्तिगत प्रेडिक्शंस को समझाएँ। लोकल explainability के लिए SHAP का उपयोग करना सीखें। LIME में माहिर बनें ताकि एकल आउटपुट्स पर असर डालने वाले खास कारकों को उजागर कर सकें — चाहे डेटा टेक्स्टual हो, टैबुलर हो, या इमेज।
4
Explainable AI में एडवांस्ड टॉपिक्स
Explainable AI के एडवांस्ड टॉपिक्स एक्सप्लोर करें: मॉडल के व्यवहार और स्पष्टीकरण विधियों की प्रभावशीलता का आकलन करें। स्पष्टीकरणों की स्थिरता और विश्वसनीयता का मूल्यांकन करना सीखें, unsupervised मॉडलों का विश्लेषण करें, और ChatGPT जैसे जनरेटिव AI मॉडलों की तर्क-प्रक्रियाओं को स्पष्ट करना सीखें। जटिल AI सिस्टम्स में explainability को मापने और बेहतर करने की तकनीकें अपने पास रखें।
Python में Explainable AI
कोर्स
पूर्ण
