연락처 정보

코스 개요

설명 가능한 AI(XAI) 및 모델 투명성에 대한 소개

  • 설명 가능한 AI란 무엇인가?
  • AI 시스템에서 투명성이 왜 중요한가?
  • AI 모델의 해석 가능성과 성능 간의 관계

XAI 기법 개요

  • 모델에 독립적인 방법들: SHAP, LIME
  • 특정 모델에 맞춘 해석 가능성 기법들
  • 신경망 및 딥러닝 모델의 해석 방법

투명한 AI 모델 구축하기

  • 실무에서 해석 가능한 모델을 어떻게 구현하는가?
  • 투명한 모델과 블랙박스 모델의 비교
  • 복잡도와 해석 가능성 간의 균형 유지 방법

고급 XAI 도구 및 라이브러리 활용법

  • 모델 해석을 위해 SHAP를 사용하는 방법
  • 국소적 해석을 위해 LIME을 효과적으로 활용하기
  • 모델의 의사결정 과정 및 작동 방식 시각화 방법

공정성, 편향 해소 및 윤리적 AI 구현

  • AI 모델 내 편향을 식별하고 줄이는 방법
  • AI의 공정성과 그 사회적 영향력에 대한 고찰
  • AI 시스템 배포 시 책임감 및 윤리 준수 방안

XAI의 실제 활용 사례들

  • 의료, 금융, 공공 분야에서의 사례 연구
  • 규제 준수를 위한 AI 모델 해석 방법
  • 투명한 AI 시스템을 통한 신뢰도 향상 전략

설명 가능한 AI의 미래 발전 방향

  • XAI 분야에서의 최신 연구 동향
  • 대규모 시스템에 XAI를 적용할 때 마주하는 어려움들
  • 투명한 AI의 미래 전망 및 기회 요소들

요약 및 향후 실행 방안

요건

  • 머신러닝 및 AI 모델 개발 경험
  • Python 프로그래밍에 대한 기본 지식

대상 수강생

  • 데이터 과학자
  • 머신러닝 엔지니어
  • AI 전문가
 21 시간

참가자 수


참가자별 가격

예정된 코스

관련 카테고리