문의를 보내주셔서 감사합니다! 팀원이 곧 연락드리겠습니다.
예약을 보내주셔서 감사합니다! 저희 팀 멤버 중 한 분이 곧 연락드리겠습니다.
코스 개요
설명 가능한 인공지능 소개
- 설명 가능한 인공지능(XAI)이란 무엇인가?
- 인공지능 모델의 투명성 중요성
- 인공지능 해석 가능성에서의 주요 도전 과제
기본 XAI 기법
- 모델 무관한 방법: LIME, SHAP
- 모델 특화 설명 가능성 방법
- 블랙박스 모델의 결정 설명
XAI 도구 활용
- 오픈 소스 XAI 라이브러리 소개
- 간단한 머신러닝 모델에 XAI 적용
- 설명 및 모델 행동 시각화
설명 가능성의 도전 과제
- 정확성 대 해석 가능성 트레이드오프
- 현재 XAI 방법의 제한점
- 설명 가능한 모델에서의 편향 및 공정성 처리
XAI의 윤리적 고려 사항
- 인공지능 투명성의 윤리적 함의 이해
- 설명 가능성과 모델 성능의 균형
- XAI에서의 프라이버시 및 데이터 보호 문제
XAI의 실제 적용 사례
- 의료, 금융, 법 집행에서의 XAI
- 설명 가능성을 위한 규제 요구 사항
- 투명성을 통한 AI 시스템 신뢰 구축
고급 XAI 개념
- 대안적 설명 탐구
- 신경망 및 딥러닝 모델 설명
- 복잡한 AI 시스템 해석
설명 가능한 인공지능의 미래 동향
- XAI 연구의 새로운 기술
- 미래 AI 투명성의 도전 과제 및 기회
- XAI가 책임 있는 AI 개발에 미치는 영향
요약 및 다음 단계
요건
- 머신러닝 개념에 대한 기본 이해
- Python 프로그래밍에 대한 익숙함
대상자
- AI 초보자
- 데이터 사이언스 열광자
14 시간