Struttura del corso

Introduzione all'AI Spiegabile e Etica

  • La necessità di spiegabilità nei sistemi AI
  • Sfide etiche ed equità nell'AI
  • Panoramica dei standard regolamentari e etici

Tecniche XAI per un AI Etico

  • Metodi indipendenti dal modello: LIME, SHAP
  • Tecniche di rilevazione del bias nei modelli AI
  • Gestione dell'interpretabilità in sistemi AI complessi

Trasparenza e Responsabilità nell'AI

  • Progettazione di sistemi AI trasparenti
  • Garanzia della responsabilità nelle decisioni AI
  • Auditing dei sistemi AI per l'equità

Equità e Mitigazione del Bias nell'AI

  • Rilevamento ed affrontamento del bias nei modelli AI
  • Garanzia dell'equità tra diversi gruppi demografici
  • Implementazione di linee guida etiche nello sviluppo AI

Quadri Regolamentari ed Etici

  • Panoramica dei standard etici per l'AI
  • Comprensione delle regolamentazioni AI in diversi settori
  • Allineamento dei sistemi AI con GDPR, CCPA e altri quadri

Applicazioni Real-World dell'XAI nell'AI Etico

  • Spiegabilità nell'AI sanitario
  • Costruzione di sistemi AI trasparenti nel settore finanziario
  • Implementazione dell'AI etico nella sicurezza pubblica

Tendenze Future nell'XAI e nell'AI Etico

  • Nuove tendenze nella ricerca di spiegabilità
  • Nuove tecniche per l'equità e la rilevazione del bias
  • Oportunistiche per lo sviluppo etico dell'AI nel futuro

Riepilogo ed Approfondimenti

Requisiti

  • Conoscenza di base dei modelli di apprendimento automatico
  • Familiarità con lo sviluppo AI e i framework
  • Interesse per etica AI e trasparenza

Pubblico

  • Eticisti AI
  • Sviluppatori AI
  • Scienziati dei dati
 14 ore

Numero di Partecipanti


Prezzo per Partecipante

Corsi in Arrivo

Categorie relative