문의를 보내주셔서 감사합니다! 팀원이 곧 연락드리겠습니다.
예약을 보내주셔서 감사합니다! 저희 팀 멤버 중 한 분이 곧 연락드리겠습니다.
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