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

Number of participants


Price per participant

Upcoming Courses

Related Categories