Struttura del corso
Introduzione alla spiegabilità nel Deep Learning
- Cos’è un modello a scatola nera?
- L’importanza della trasparenza nei sistemi AI
- Analisi delle sfide principali relative alla spiegabilità nelle reti neurali
Tecniche XAI avanzate per il Deep Learning
- Metodi model-agnostic: LIME e SHAP nel contesto del deep learning
- Layer-wise relevance propagation (LRP)
- Mappature di salienza e tecniche basate sui gradienti
Interpretazione delle decisioni prese dalle reti neurali
- Visualizzazione dei livelli nascosti nelle reti neurali
- Comprensione dei meccanismi di attenzione nei modelli deep learning
- Produzione di spiegazioni comprensibili per gli esseri umani a partire dai risultati generati dalle reti neurali
Strumenti per la spiegabilità dei modelli Deep Learning
- Introduzione alle librerie open source per XAI
- Utilizzo di Captum e InterpretML nel contesto del deep learning
- Integrazione delle tecniche di spiegabilità in TensorFlow e PyTorch
Interpretabilità contro Prestazioni
- Il bilanciamento tra accuratezza ed interpretabilità
- Progettazione di modelli Deep Learning efficaci e allo stesso tempo interpretabili
- Gestione dei problemi legati a bias e equità nei modelli AI<\/li>
Applicazioni pratiche della spiegabilità nel Deep Learning
- L’utilizzo della spiegabilità nei modelli AI per il settore sanitario
- I requisiti normativi in materia di trasparenza negli sistemi AI
- Deployment dei modelli Deep Learning interpretabili in contesti reali
Aspetti etici legati alla spiegabilità nel Deep Learning
- Implicazioni etiche derivanti dalla trasparenza nei sistemi AI
- Riconciliazione tra pratiche etiche nell’IA e innovazione tecnologica
- Problemi legati alla privacy derivanti dall’analisi della spiegabilità nei modelli Deep Learning
Sintesi finale e prossimi passi
Requisiti
- Conoscenze approfondite di deep learning
- Familiarità con Python e i framework dedicati al deep learning
- Esperienza pratica nell’utilizzo delle reti neurali
Destinatari
- Ingegneri del deep learning
- Specialisti in intelligenza artificiale
Recensioni (3)
Mi è davvero piaciuta la parte finale in cui abbiamo avuto il tempo di esplorare CHAT GPT. La sala non era impostata nel modo migliore per questo - sarebbe stato utile avere alcune piccole tavole invece di una grande, così da poter formare gruppi più piccoli e fare brainstorming.
Nola - Laramie County Community College
Corso - Artificial Intelligence (AI) Overview
Traduzione automatica
Lavorare partendo dai principi fondamentali in modo concentrato, e passare all'applicazione di casi pratici nello stesso giorno
Maggie Webb - Department of Jobs, Regions, and Precincts
Corso - Artificial Neural Networks, Machine Learning, Deep Thinking
Traduzione automatica
Stava utilizzando dati reali di una società. Il formatore aveva un approccio molto efficace, coinvolgendo i partecipanti e incentivando la competizione
Jimena Esquivel - Zaklad Uslugowy Hakoman Andrzej Cybulski
Corso - Applied AI from Scratch in Python
Traduzione automatica
