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
고급 XAI 기술 소개
- 기본 XAI 방법 검토
- 복잡한 AI 모델 해석에 대한 도전 과제
- XAI 연구 및 개발 동향
모델 무관한 설명 가능성 기술
- SHAP (SHapley Additive exPlanations)
- LIME (Local Interpretable Model-agnostic Explanations)
- 앵커 설명
모델 특정 설명 가능성 기술
- 계층별 관련성 전파 (LRP)
- DeepLIFT (Deep Learning Important FeaTures)
- 기울기 기반 방법 (Grad-CAM, Integrated Gradients)
딥러닝 모델 설명
- 합성곱 신경망 (CNNs) 해석
- 순환 신경망 (RNNs) 설명
- 트랜스포머 기반 모델 (BERT, GPT) 분석
해석 가능성 도전 과제 처리
- 블랙박스 모델 제한 사항 해결
- 정확성과 해석 가능성 균형 맞추기
- 설명에 대한 편향과 공정성 처리
실세계 시스템에서의 XAI 적용
- 의료, 금융, 법적 시스템에서의 XAI
- AI 규제 및 준수 요구 사항
- XAI를 통한 신뢰와 책임성 구축
설명 가능한 AI의 미래 동향
- XAI에서 등장하는 기술 및 도구
- 차세대 설명 가능성 모델
- AI 투명성에 대한 기회와 도전 과제
요약 및 다음 단계
Requirements
- 인공지능과 머신러닝에 대한 깊은 이해
- 신경망 및 심층 학습 경험
- 기본 XAI 기법에 대한 친숙함
대상
- 경험이 풍부한 인공지능 연구원
- 머신러닝 엔지니어
21 Hours