Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Struttura del corso
Introduzione alle Tecniche Avanzate di XAI
- Riepilogo dei metodi di base XAI
- Sfide nell'interpretazione di modelli AI complessi
- Tendenze nella ricerca e lo sviluppo XAI
Tecniche di Spiegabilità Agnostica ai Modelli
- SHAP (SHapley Additive exPlanations)
- LIME (Local Interpretable Model-agnostic Explanations)
- Spiegazioni di ancoraggio
Tecniche di Spiegabilità Specifiche ai Modelli
- Propagazione della rilevanza livello per livello (LRP)
- DeepLIFT (Deep Learning Important FeaTures)
- Metodi basati sui gradienti (Grad-CAM, Integrated Gradients)
Spiegando Modelli di Apprendimento Profondo
- Interpretazione delle reti neurali convolutive (CNNs)
- Spiegazioni per reti neurali ricorrenti (RNNs)
- Analisi di modelli basati su transformer (BERT, GPT)
Gestione delle Sfide nell'Interpretazione
- Affrontare le limitazioni dei modelli a scatola nera
- Bilanciare accuratezza e interpretabilità
- Gestire bias e equità nelle spiegazioni
Applicazioni di XAI nei Sistemi del Mondo Reale
- XAI nel settore sanitario, finanza e sistemi giuridici
- Regolamentazione AI e requisiti di conformità
- Costruire fiducia ed affidabilità attraverso l'XAI
Tendenze Future nell'Ai Spiegabile
- Tecniche e strumenti emergenti in XAI
- Modelli di spiegabilità della prossima generazione
- Opportunità e sfide nella trasparenza AI
Sintesi ed Esecuzione dei Passaggi Successivi
Requisiti
- Comprendimento solido di IA e machine learning
- Esperienza con reti neurali e deep learning
- Familiarità con tecniche base XAI
Pubblico
- Ricercatori AI esperti
- Ingegneri di machine learning
21 ore