연락처 정보

코스 개요

설명 가능한 인공지능 개요

  • 설명 가능한 인공지능(XAI)이란 무엇인가?
  • AI 모델에서 투명성의 중요성
  • AI 해석 가능성을 저해하는 주요 과제들

기초적인 XAI 기술

  • 모델에 종속되지 않는 방법: LIME, SHAP
  • 특정 모델에 적합한 설명 기법들
  • 블랙박스 모델의 의사결정을 해석하는 방법

XAI 도구를 활용한 실습

  • 오픈소스 XAI 라이브러리 소개
  • 간단한 머신러닝 모델에 XAI 기법을 적용해보기
  • 설명 내용 및 모델 동작 방식 시각화 방법

해석 가능성 관련 도전과제들

  • 정확도와 해석 가능성 간의 상충 관계
  • 현재 XAI 기법들이 가지는 한계점들
  • 설명 가능한 모델에서 편향과 공정성을 다루는 방법

XAI와 윤리적 고려사항

  • AI 투명성이 가지는 윤리적 의미 파악하기
  • 설명 가능성과 모델 성능 간의 균형 찾기
  • XAI 환경에서 개인정보 보호 및 데이터 보안 문제

XAI의 실제 활용 사례

  • 의료, 금융, 법 집행 분야에서의 XAI 활용 사례
  • 설명 가능성에 관한 규제 요건들
  • 투명성을 통해 AI 시스템에 대한 신뢰 구축하기

고급 XAI 개념 탐구

  • 대안적 설명 방식인 반사실적 설명에 대해 알아보기
  • 신경망 및 딥러닝 모델을 해석하는 방법
  • 복잡한 AI 시스템의 해석 접근법 탐색하기

설명 가능한 인공지능의 향후 전망

  • XAI 연구 분야에서 새롭게 등장하는 기법들
  • 미래 AI 투명성 발전을 위한 과제와 기회들
  • 책임감 있는 AI 개발에 있어 XAI의 영향력

요약 및 향후 학습 방향

요건

  • 머신러닝 개념에 대한 기본적인 이해
  • Python 프로그래밍 경험이 있으면 좋습니다.

대상자

  • 인공지능 분야 초보자
  • 데이터 과학에 관심 있는 사람들
 14 시간

참가자 수


참가자별 가격

예정된 코스

관련 카테고리