Explainable Machine Learning (XAI)
Coursera
19 Cours
La University of Naples Federico II è un prestigioso ateneo pubblico con una lunga storia di eccellenza nella ricerca, nell'insegnamento e nell'innovazione. Offre una vasta gamma di programmi accademici dal livello di laurea a quello di dottorato.
Aperçu
Alors que l'Intelligence Artificielle (IA) devient intégrée dans des domaines à haut risque tels que la santé, la finance et la justice pénale, il est crucial que ceux qui construisent ces systèmes pensent au-delà de la boîte noire et développent des systèmes qui sont non seulement précis, mais aussi transparents et dignes de confiance.
Ce cours est un guide complet et pratique sur l'Apprentissage Machine Explicable (XAI), vous permettant de développer des solutions d'IA alignées avec les principes de l'IA responsable. Grâce à des discussions, études de cas, laboratoires de programmation et exemples concrets, vous acquerrez les compétences suivantes :
- Implémenter des techniques d'explicabilité locale comme LIME, SHAP et les graphiques ICE en utilisant Python.
- Implémenter des techniques d'explicabilité globale telles que les Graphiques de Dépendance Partielle (PDP) et les graphiques des Effets Locaux Accumulés (ALE) en Python.
- Appliquer des techniques d'explication basées sur des exemples pour expliquer les modèles d'apprentissage machine en utilisant Python.
- Visualiser et expliquer les modèles de réseaux de neurones en utilisant des techniques de pointe en Python.
- Évaluer de manière critique les méthodes d'attention et de saillance interprétables pour les explications de modèles transformateurs.
- Explorer les approches émergentes pour l'explicabilité des grands modèles de langage (LLM) et des modèles génératifs de vision par ordinateur.
Ce cours est idéal pour les data scientists ou ingénieurs en apprentissage machine qui ont une bonne compréhension de l'apprentissage machine mais peu d'expérience avec les concepts de XAI. En maîtrisant les approches XAI, vous serez équipé pour créer des solutions d'IA qui sont non seulement puissantes mais aussi interprétables, éthiques et dignes de confiance, résolvant des défis critiques dans des domaines comme la santé, la finance et la justice pénale.
Pour réussir dans ce cours, vous devez avoir une compréhension intermédiaire des concepts d'apprentissage machine tels que l'apprentissage supervisé et les réseaux de neurones.
Université : Université de Naples Federico IIFournisseur : Coursera
Catégories : Cours d'Apprentissage Machine, Cours de Réseaux de Neurones, Cours d'IA Explicable
