After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
课程介绍
理解可解释人工智能（XAI）的核心概念
本课程介绍至关重要的XAI领域，重点在于让复杂的AI算法变得易于理解和使用。 随着人工智能系统日益融入各个行业，对这些技术的透明度和信任的需求也在不断增长。 本课程涵盖 XAI 的核心概念，包括透明性、可解释性和问责性，并探讨模型复杂性与可解释性之间的平衡。学习 XAI 技术
您将学习模型特定和模型无关的解释，获得实用的见解和工具，以便在您的项目中有效应用 XAI 原则。 该课程旨在为您提供相关知识，使 AI 系统更加透明、合乎伦理，并与社会价值观保持一致，确保 AI 决策不仅有效，而且可辩护、易于理解。在现实世界中实施 XAI
在本课程结束时，您将对 XAI 及其在 AI 解决方案开发中的重要性有扎实的理解，并且您将准备好应用这些原则，以提升 AI 系统在实际应用中的清晰度和可信度。先修要求
本课程无先修要求
课程大纲
课程大纲
1
可解释人工智能导论
我们将深入探讨可解释人工智能（XAI），强调其在提升 AI 系统透明度、可解释性与可信度方面的作用。我们会介绍 AI 在预测与内容生成方面的能力，并突出清晰决策过程的必要性。此外，我们还将探讨如何让复杂的 AI 模型对更广泛的受众更易理解。
2
可解释 AI 的技术方法
我们将系统梳理可解释人工智能（XAI）的技术方法，将其划分为面向特定模型、与模型无关、局部解释与全局解释等类别，以阐明 AI 的决策过程。我们会结合回归与分类任务讲解面向特定模型的洞察，并介绍 SHAP 与 LIME 等用于解释黑箱模型的工具。此外，我们还将讨论大语言模型（LLM）的复杂性，强调其决策过程透明化的必要性。
3
XAI 的落地与应用
我们将探讨 XAI 的变革性影响，说明其如何在各行业让人工智能更易用、更亲和。通过从一开始就融入可解释性设计，我们能确保 AI 系统保持透明，促进信任，并加深人与机器的协作。借助真实案例，我们将展示 XAI 如何化繁为简，帮助不同技术背景的用户理解复杂的 AI 决策，从而借助 AI 洞见做出更明智的决策。
R
可解释人工智能（XAI）概念
课程完成
