문의를 보내주셔서 감사합니다! 팀원이 곧 연락드리겠습니다.
예약을 보내주셔서 감사합니다! 저희 팀 멤버 중 한 분이 곧 연락드리겠습니다.
코스 개요
고급 XAI 기법 소개
- 기초적인 XAI 방법론에 대한 복습
- 복잡한 AI 모델을 해석하는 데 따르는 어려움들
- XAI 연구 및 개발 분야의 최신 동향
모델에 구애받지 않는 설명 기법들
- SHAP (SHapley Additive exPlanations)
- LIME (Local Interpretable Model-agnostic Explanations)
- Anchor explanations
모델 특화형 설명 기법들
- Layer-wise relevance propagation (LRP)
- DeepLIFT (Deep Learning Important FeaTures)
- 기울기 기반 방법들(Grad-CAM, Integrated Gradients)
딥러닝 모델의 해석법
- 합성곱 신경망(CNN)의 해석 방법
- 순환 신경망(RNN)을 설명하는 기법
- 트랜스포머 기반 모델(BERT, GPT) 분석법
해석 가능성과 관련된 난제들 극복하기
- 블랙박스형 모델이 지닌 한계점에 대처하는 법
- 예측 정확도와 해석 가능성 간의 균형 유지법
- 설명 내용 속에서 발생할 수 있는 편향 및 공정성 문제 다루기
실제 시스템에서의 XAI 활용 사례
- 의료, 금융, 법률 분야에서의 XAI 적용 가능성
- 인공지능 관련 규제 및 준수 요건들
- XAI를 통한 신뢰도 향상 및 책임감 강화 방안
설명 가능한 인공지능의 미래 전망
- XAI 분야에서 떠오르고 있는 기법 및 도구들
- 차세대 설명 가능성 모델들의 등장 방향
- 인공지능 투명성 확보와 관련된 기회 및 과제들
요약 및 향후 학습 방향 제시
요건
- 인공지능 및 머신러닝에 대한 탄탄한 이해
- 신경망 및 딥러닝 활용 경험
- 기초적인 XAI 기법들에 대한 지식
수강 대상
- 경험이 풍부한 인공지능 연구자
- 머신러닝 엔지니어
21 시간