Al explicable (XAI) avec Python
XAI avec Python
Cette classe vous donne beaucoup d’informations sur les développements les plus récents de l’IA explicable (XAI). Chaque jour, nous devenons de plus en plus dépendants des modèles d’intelligence artificielle. Il devient également plus important d’expliquer comment et pourquoi l’IA prend une certaine décision.
Les lois récentes ont également rendu plus important d’expliquer et de défendre les décisions prises par les systèmes d’IA. Ce cours explique comment utiliser Python pour montrer, expliquer et créer des systèmes d’IA sûrs et fiables.
Ce cours explique comment LIME (Local Interpretable Model Agnostic Explanations) et SHAP (SHapley Additive Explanations) fonctionnent et comment ils fonctionnent avec les mathématiques. Dans cette section, nous expliquons pourquoi les explications contrefactuelles et contrastives sont importantes et comment elles fonctionnent. Nous parlons également de la façon de modéliser différentes techniques telles que Diverse Counterfactual Explanations (DiCE) pour proposer des contrefactuels exploitables.
L’outil What-If de Google parle de l’équité de l’IA et de la façon de faire des explications visuelles (WIT). Cette classe parle de la méthode LRP (Layer-wise Relevance Propagation) pour trouver des explications aux réseaux de neurones.
Dans ce cours, vous apprendrez à utiliser Python pour créer des systèmes d’IA faciles à comprendre, à expliquer et à créer des systèmes d’IA fiables. Le cours examine de nombreux exemples différents pour montrer à quel point il est important d’utiliser des techniques explicables dans des applications importantes.
Il existe de nombreuses sessions pratiques où les étudiants apprennent à utiliser le code et à l’appliquer à leurs modèles d’IA. L’ensemble de données et le code utilisés pour pratiquer différentes techniques XAI sont remis aux étudiants afin qu’ils puissent les essayer.
A qui s’adresse ce cours :
- Les étudiants qui suivent un cours d’apprentissage automatique ou un cours d’intelligence artificielle.
- Les étudiants qui veulent travailler avec l’IA.
- Programmeurs Python débutants qui connaissent déjà un peu les bibliothèques d’apprentissage automatique.
- Les chercheurs qui utilisent déjà Python pour créer des modèles d’IA peuvent bénéficier de l’apprentissage des techniques d’IA explicables les plus récentes. Ces techniques peuvent les aider à rédiger des explications sur leurs modèles.
- Les analystes de données et les scientifiques des données veulent en savoir plus sur les outils et les techniques d’IA faciles à comprendre. Ils veulent apprendre à utiliser Python pour la machine
- modèles d’apprentissage.
Al explicable (XAI) avec Python FreeCourseSites.com
Construire un chatbot intelligent à l’aide de PHP
Télécharger maintenant