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.
Course Outline
Pengantar AI yang Dapat Dijelaskan (XAI) dan Transparansi Model
- Apa itu AI yang Dapat Dijelaskan?
- Mengapa transparansi penting dalam sistem AI
- Interpretabilitas vs. kinerja dalam model AI
Tinjauan Umum Teknik XAI
- Metode agnostik model: SHAP, LIME
- Teknik penjelasan khusus model
- Menjelaskan jaringan saraf dan model pembelajaran mendalam
Membangun Model AI yang Transparan
- Menerapkan model yang dapat ditafsirkan dalam praktik
- Membandingkan model transparan vs. model kotak hitam
- Menyeimbangkan kompleksitas dengan kemampuan menjelaskan
Alat dan Pustaka XAI Tingkat Lanjut
- Menggunakan SHAP untuk interpretasi model
- Memanfaatkan LIME untuk penjelasan lokal
- Visualisasi keputusan dan perilaku model
Mengatasi Keadilan, Bias, dan AI yang Etis
- Mengidentifikasi dan mengurangi bias dalam model AI
- Keadilan dalam AI dan dampak sosialnya
- Memastikan akuntabilitas dan etika dalam penerapan AI
Aplikasi XAI di Dunia Nyata
- Studi kasus dalam bidang perawatan kesehatan, keuangan, dan pemerintahan
- Menafsirkan model AI untuk kepatuhan regulasi
- Membangun kepercayaan dengan sistem AI yang transparan
Arah Masa Depan dalam AI yang Dapat Dijelaskan
- Penelitian yang muncul dalam XAI
- Tantangan dalam penskalaan XAI untuk sistem skala besar
- Peluang untuk masa depan AI yang transparan
Ringkasan dan Langkah Berikutnya
Requirements
- Pengalaman dalam pembelajaran mesin dan pengembangan model AI
- Keakraban dengan pemrograman Python
Hadirin
- Ilmuwan data
- Insinyur pembelajaran mesin
- Spesialis AI
21 Hours
