Build your ultimate AI agent
Descrierea cursului
Descoperă puterea inteligenței artificiale explicabile
Pornește într-o călătorie în lumea fascinantă a inteligenței artificiale explicabile și descoperă misterele din spatele procesului de luare a deciziilor de către AI. Ideal pentru data scientists și practicienii ML, acest curs îți oferă abilitățile esențiale pentru a interpreta și a explica comportamentele modelelor AI folosind Python, permițându-ți să construiești sisteme AI mai transparente, mai demne de încredere și mai responsabile. Stăpânind AI explicabilă, îți vei îmbunătăți capacitatea de a depana modele, de a respecta cerințele de reglementare și de a construi încredere în aplicațiile AI din diverse industrii.Explorează tehnici de explicabilitate
Începeți prin a înțelege abordările de explicabilitate specifice modelului. Folosește bibliotecile Python, precum Scikit-learn, pentru a vizualiza arborii de decizie și a analiza impactul caracteristicilor în modelele liniare. Apoi, treceți la tehnici independente de model, care funcționează pe diverse modele. Folosește instrumente precum SHAP și LIME pentru a oferi informații detaliate despre comportamentul general al modelului și despre predicțiile individuale, perfecționându-ți abilitatea de a analiza și explica modelele AI în aplicații din lumea reală.Aprofundează-te în explicabilitate
Învață să evaluezi fiabilitatea și consistența explicațiilor, să înțelegi nuanțele explicării modelelor nesupravegheate și să explorezi potențialul explicării modelelor de AI generativ prin exemple practice. La finalul cursului, vei avea cunoștințele și instrumentele necesare pentru a explica cu încredere deciziile modelelor AI, asigurând transparența și credibilitatea aplicațiilor tale AI.Cerințe prealabile
Curriculum
Structura cursului
1
Fundamente ale AI Explicabil
Începe prin a explora conceptele fundamentale ale AI explicabil. Vei învăța cum să extragi reguli de decizie din arbori de decizie și cum să derivezi și să vizualizezi importanța atributelor folosind modele liniare și bazate pe arbori, pentru a înțelege mai bine modul în care aceste modele fac predicții și pentru a facilita luarea deciziilor transparente.
- Introducere în AI explicabil50 XP
- Arbori de decizie vs. rețele neuronale100 XP
- Explicabilitate independentă de model vs. specifică unui model50 XP
- Explicabilitate în modelele liniare50 XP
- Calcularea impactului caracteristicilor cu regresia liniară100 XP
- Calcularea impactului caracteristicilor cu regresia logistică100 XP
- Explicabilitate în modelele bazate pe arbori50 XP
- Calcularea importanței caracteristicilor cu arbori de decizie100 XP
- Calcularea importanței caracteristicilor cu random forests100 XP
2
Explicabilitate Independentă de Model
Descoperă tehnicile independente de model pentru a analiza influența atributelor în diferite tipuri de modele. Folosește importanța prin permutare și valorile SHAP pentru a înțelege cum afectează atributele comportamentul modelului. Explorează instrumentele de vizualizare SHAP pentru a face conceptele de explicabilitate mai ușor de înțeles.
3
Explicabilitate Locală
Aprofundează explicabilitatea locală și înțelege predicțiile individuale. Vei învăța cum să folosești SHAP pentru explicabilitate locală și cum să aplici LIME pentru a identifica factorii specifici care influențează rezultate individuale – indiferent dacă lucrezi cu date textuale, tabulare sau imagini.
4
Subiecte avansate în AI explicabil
Explorează subiecte avansate în AI explicabil: evaluează comportamentul modelelor și eficiența metodelor de explicație. Vei dobândi competențe în evaluarea coerenței și fidelității explicațiilor, vei analiza modele nesupravegheate și vei învăța să clarifici procesele de raționament ale modelelor AI generative, precum ChatGPT. Îți vei însuși tehnici pentru a măsura și îmbunătăți explicabilitatea în sisteme AI complexe.
AI Explicabil în Python
Curs
finalizat
