Course Outline

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

Requirements

  • 머신러닝 개념에 대한 기본 이해
  • Python 프로그래밍에 대한 익숙함

대상자

  • AI 초보자
  • 데이터 사이언스 열광자
 14 Hours

Number of participants


Price per participant

Upcoming Courses

Related Categories