Name: Explainable AI ด้วย Python
Rating: 4.819542947202522 (1269 reviews)

รายละเอียดคอร์ส

ค้นพบพลังของ Explainable AI

เริ่มต้นการเดินทางสู่โลกอันน่าค้นหาของ explainable AI และไขความลับเบื้องหลังการตัดสินใจของ AI เหมาะอย่างยิ่งสำหรับนักวิทยาศาสตร์ข้อมูลและผู้ปฏิบัติงานด้าน ML หลักสูตรนี้จะมอบทักษะสำคัญให้คุณในการตีความและอธิบายพฤติกรรมของโมเดล AI ด้วย Python ช่วยให้คุณสร้างระบบ AI ที่โปร่งใส น่าเชื่อถือ และตรวจสอบความรับผิดชอบได้มากขึ้น การเชี่ยวชาญ explainable AI จะช่วยเพิ่มความสามารถของคุณในการดีบักโมเดล ปฏิบัติตามข้อกำหนดด้านกฎระเบียบ และสร้างความมั่นใจในการประยุกต์ใช้ AI ในหลากหลายอุตสาหกรรม

สำรวจเทคนิคการอธิบายโมเดล

เริ่มต้นด้วยการทำความเข้าใจแนวทางการอธิบายโมเดลเฉพาะแต่ละแบบ ใช้ไลบรารีของ Python เช่น Scikit-learn เพื่อแสดงภาพต้นไม้การตัดสินใจและวิเคราะห์ผลกระทบของฟีเจอร์ในโมเดลเชิงเส้น จากนั้นจึงไปสู่เทคนิคที่ไม่ขึ้นกับโมเดล ซึ่งใช้ได้กับโมเดลหลากหลายประเภท ใช้เครื่องมืออย่าง SHAP และ LIME เพื่อให้ข้อมูลเชิงลึกอย่างละเอียดเกี่ยวกับพฤติกรรมโดยรวมของโมเดลและการคาดการณ์รายบุคคล ช่วยพัฒนาความสามารถของคุณในการวิเคราะห์และอธิบายโมเดล AI ในการใช้งานจริง

เจาะลึกเรื่องการอธิบายโมเดล

เรียนรู้วิธีประเมินความน่าเชื่อถือและความสอดคล้องของคำอธิบาย ทำความเข้าใจความละเอียดอ่อนของการอธิบายโมเดลแบบไม่มีผู้สอน และสำรวจศักยภาพของการอธิบายโมเดล Generative AI ผ่านตัวอย่างเชิงปฏิบัติ เมื่อจบหลักสูตรนี้ คุณจะมีความรู้และเครื่องมือที่จะอธิบายการตัดสินใจของโมเดล AI ได้อย่างมั่นใจ เพื่อให้แอปพลิเคชัน AI ของคุณมีความโปร่งใสและน่าเชื่อถือ

ข้อกำหนดเบื้องต้น

Unsupervised Learning in Python Introduction to Deep Learning with PyTorch

หลักสูตร

โครงร่างคอร์ส

พื้นฐานของ Explainable AI

เริ่มต้นด้วยการสำรวจแนวคิดพื้นฐานของ Explainable AI เรียนรู้วิธีดึงกฎการตัดสินใจจาก decision tree รวมถึงการหาและแสดงภาพ feature importance โดยใช้โมเดลเชิงเส้นและโมเดลที่อิงต้นไม้ เพื่อให้เข้าใจว่าโมเดลเหล่านี้ทำการทำนายอย่างไร และนำไปสู่การตัดสินใจที่โปร่งใสมากขึ้น

เริ่มบท

Explainability แบบ Model-Agnostic

เรียนรู้เทคนิคแบบ model-agnostic เพื่อวิเคราะห์อิทธิพลของ feature ในโมเดลหลากหลายประเภท ใช้ permutation importance และค่า SHAP เพื่อวิเคราะห์ว่า feature ส่งผลต่อพฤติกรรมของโมเดลอย่างไร พร้อมสำรวจเครื่องมือแสดงภาพของ SHAP เพื่อทำให้แนวคิดด้าน explainability เข้าใจได้ง่ายขึ้น

เริ่มบท

Local Explainability

เจาะลึก local explainability และเรียนรู้การอธิบายการทำนายในระดับรายบุคคล เรียนรู้การใช้ SHAP สำหรับ local explainability และทำความเข้าใจ LIME เพื่อเผยให้เห็นปัจจัยเฉพาะที่ส่งผลต่อผลลัพธ์แต่ละรายการ ไม่ว่าจะเป็นข้อมูลประเภทข้อความ ตาราง หรือรูปภาพ

เริ่มบท

หัวข้อขั้นสูงใน Explainable AI

สำรวจหัวข้อขั้นสูงใน Explainable AI ด้วยการประเมินพฤติกรรมของโมเดลและประสิทธิภาพของวิธีการอธิบาย เรียนรู้การประเมินความสอดคล้องและความน่าเชื่อถือของคำอธิบาย วิเคราะห์โมเดลแบบ unsupervised และทำความเข้าใจกระบวนการอนุมานของโมเดล generative AI อย่าง ChatGPT พร้อมพัฒนาทักษะในการวัดและเพิ่มประสิทธิภาพด้าน explainability ในระบบ AI ที่ซับซ้อน