Course Outline

설명 가능 AI(XAI) 및 모델 투명성 소개

  • 설명 가능한 AI란?
  • AI 시스템에서 투명성이 중요한 이유
  • AI 모델의 해석 가능성 대 성능

XAI 기술 개요

  • 모델에 독립적인 방법: SHAP, LIME
  • 모델별 설명 기술
  • 신경망과 딥러닝 모델 설명

투명한 AI 모델 구축

  • 실제로 해석 가능한 모델 구현
  • 투명 모델과 블랙박스 모델 비교
  • 복잡성과 설명 가능성의 균형

고급 XAI 도구 및 라이브러리

  • 모델 해석을 위한 SHAP 사용
  • 지역 설명 가능성을 위한 LIME 활용
  • 모델 결정 및 동작의 시각화

공정성, 편견 및 윤리적 AI 해결

  • AI 모델의 편견 식별 및 완화
  • AI의 공정성과 사회적 영향
  • AI 배포에 있어서 책임성과 윤리를 보장하다

XAI의 실제 세계 응용 프로그램

  • 의료, 금융 및 정부 분야의 사례 연구
  • 규정 준수를 위한 AI 모델 해석
  • 투명한 AI 시스템으로 신뢰 구축

설명 가능한 AI의 미래 방향

  • XAI의 새로운 연구
  • 대규모 시스템을 위한 XAI 확장의 과제
  • 투명한 AI의 미래를 위한 기회

요약 및 다음 단계

Requirements

  • 머신러닝 및 AI 모델 개발 경험
  • Python 프로그래밍에 익숙함

청중

  • 데이터 과학자
  • 머신러닝 엔지니어
  • AI 전문가
 21 Hours

Number of participants


Price per participant

Upcoming Courses

Related Categories