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
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