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 all'Intelligenza Artificiale Spiegabile (XAI) e alla Trasparenza dei Modelli
- Che cos'è l'Intelligenza Artificiale Spiegabile?
- Perché la trasparenza è importante nei sistemi di IA
- Interpretabilità vs. prestazioni nei modelli di IA
Panoramica delle Tecniche XAI
- Metodi agnostici al modello: SHAP, LIME
- Tecnologie specifiche per la spiegabilità del modello
- Spiegazione delle reti neurali e dei modelli di apprendimento profondo
Costruzione di Modelli AI Trasparenti
- Implementazione pratica di modelli interpretabili
- Confronto tra modelli trasparenti e modelli a scatola nera
- Bilanciamento della complessità con l'interpretabilità
Strumenti e Biblioteche Avanzati XAI
- Utilizzo di SHAP per la spiegazione dei modelli
- Utilizzazione di LIME per l'interpretazione locale
- Visualizzazione delle decisioni e comportamenti del modello
Affrontare la Fiducia, il Bias ed il Rispetto Etico nell'IA
- Identificazione e mitigazione del bias nei modelli di IA
- Equità nell'IA e i suoi impatti sociali
- Assicurare la responsabilità ed il rispetto etico nella distribuzione dell'IA
Applicazioni Real-World XAI
- Studi di caso nel settore sanitario, finanziario e governativo
- Interpretazione dei modelli AI per la conformità normativa
- Costruire fiducia con sistemi AI trasparenti
Direzioni Future nell'Intelligenza Artificiale Spiegabile
- Ricerche emergenti in XAI
- Sfide nel scaling dell'XAI per sistemi a larga scala
- Opportunità per il futuro della trasparenza nell'IA
Riepilogo e Passi Successivi
Requisiti
- Esperienza nello sviluppo di machine learning e modelli AI
- Familiarità con la programmazione in Python
Pubblico
- Scienziati dei dati
- Ingegneri di machine learning
- Esperti di AI
21 ore
