After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
코스 설명
설명 가능한 AI의 힘을 발견하세요
설명 가능한 AI의 흥미로운 세계로 떠나 AI 의사결정 뒤에 숨은 비밀을 밝혀보세요. 데이터 과학자와 ML 실무자에게 이상적인 이 강의는 Python을 사용해 AI 모델의 동작을 해석하고 설명하는 데 필요한 핵심 역량을 갖추게 해주며, 더 투명하고 신뢰할 수 있으며 책임 있는 AI 시스템을 구축할 수 있도록 돕습니다. 설명 가능한 AI를 익히면 모델 디버깅 능력을 높이고, 규제 요건을 충족하며, 다양한 산업 전반에서 AI 애플리케이션에 대한 신뢰를 구축할 수 있습니다.설명 가능성 기법 살펴보기
모델별 설명 가능성 접근법을 이해하는 것부터 시작하세요. Python의 Scikit-learn 같은 라이브러리를 사용해 의사결정 트리를 시각화하고 선형 모델에서 특성 영향도를 분석하세요. 그런 다음, 다양한 모델에서 작동하는 모델에 구애받지 않는 기법으로 넘어갑니다. SHAP 및 LIME과 같은 도구를 활용하여 전체 모델의 동작과 개별 예측에 대한 상세한 인사이트를 제공하고, 실제 애플리케이션에서 AI 모델을 분석하고 설명하는 능력을 향상시키세요.설명 가능성을 더 깊이 탐구하세요
설명의 신뢰성과 일관성을 평가하는 방법을 배우고, 비지도 모델 설명의 미묘한 차이를 이해하며, 실용적인 예제를 통해 생성형 AI 모델 설명의 가능성을 살펴보세요. 강의가 끝날 무렵에는 AI 모델의 결정을 자신 있게 설명할 수 있는 지식과 도구를 갖추게 되어, AI 애플리케이션의 투명성과 신뢰성을 보장할 수 있습니다.사전 요구 사항
커리큘럼
코스 개요
1
Explainable AI의 기초
Explainable AI의 기본 개념을 탐구하며 학습을 시작해 보세요. 의사결정나무에서 의사결정 규칙을 추출하는 방법을 배우고, 선형 및 트리 기반 모델에서 특성 중요도를 도출하고 시각화하여 모델이 예측을 수행하는 방식을 이해함으로써 더 투명한 의사결정을 가능하게 합니다.
2
모델 비특이적 설명 가능성
모델 비특이적 기법을 활용해 다양한 모델 전반에서 특성의 영향력을 파악해 보세요. permutation importance와 SHAP 값을 사용해 특성이 모델 동작에 미치는 영향을 분석합니다. SHAP 시각화 도구를 살펴보며 설명 가능성 개념을 더 쉽게 이해할 수 있도록 합니다.
3
로컬 설명 가능성
로컬 설명 가능성에 집중해 개별 예측을 설명해 보세요. 로컬 설명 가능성을 위해 SHAP을 활용하는 방법을 배우고, LIME을 익혀 텍스트, 표 형태, 이미지 데이터 등 단일 결과에 영향을 미치는 구체적 요인을 밝혀냅니다.
4
Explainable AI 고급 주제
모델 동작과 설명 방법의 효과를 평가하며 Explainable AI의 고급 주제를 탐구하세요. 설명의 일관성과 충실도를 평가하는 역량을 갖추고, 비지도 모델 분석을 파고들며, ChatGPT 같은 생성형 AI 모델의 추론 과정을 명확히 하는 방법을 배웁니다. 복잡한 AI 시스템에서 설명 가능성을 측정하고 향상시키는 기법을 익히세요.
Python으로 배우는 Explainable AI
코스
완료
