توضیحات دوره هوش مصنوعی فقط نباید درست تصمیم بگیرد؛ باید بتوانیم بفهمیم چرا این تصمیم را گرفته است. در دوره جامع هوش مصنوعی توضیح‌پذیر (Explainable AI) با مفاهیم، روش‌ها و ابزارهایی آشنا می‌شوید که ...
هوش مصنوعی فقط نباید درست تصمیم بگیرد؛ باید بتوانیم بفهمیم چرا این تصمیم را گرفته است.
در دوره جامع هوش مصنوعی توضیح‌پذیر (Explainable AI) با مفاهیم، روش‌ها و ابزارهایی آشنا می‌شوید که به شما کمک می‌کنند تصمیمات مدل‌های هوش مصنوعی را بررسی، تحلیل و تفسیر کنید.
در این دوره، آموزش از مفاهیم پایه و اهمیت Explainable AI آغاز می‌شود و سپس به‌صورت مرحله‌به‌مرحله با روش‌های پرکاربردی مانند LIME و SHAP آشنا خواهید شد. در ادامه، این روش‌ها در قالب پروژه‌های عملی روی داده‌های جدولی، متنی و تصویری پیاده‌سازی و تحلیل می‌شوند تا مفاهیم مطرح‌شده از جنبه عملی نیز به‌خوبی درک شوند.
در طول دوره یاد می‌گیرید چگونه به پرسش‌های مهمی درباره عملکرد مدل‌های هوش مصنوعی پاسخ دهید:
مدل چرا این پیش‌بینی را انجام داده است؟
کدام ویژگی‌ها بیشترین تأثیر را در تصمیم مدل داشته‌اند؟
چگونه می‌توان خروجی یک مدل را برای انسان قابل فهم کرد؟
آیا می‌توان به توضیحات ارائه‌شده توسط مدل اعتماد کرد؟
روش تدریس دوره به‌صورت مفهومی و پروژه‌محور است؛ به‌گونه‌ای که در کنار یادگیری مباحث نظری، با نحوه استفاده از ابزارها و روش‌های XAI در مسائل واقعی نیز آشنا می‌شوید.
پس از گذراندن این دوره، دانشجو توانایی تحلیل و تفسیر تصمیمات مدل‌های یادگیری ماشین و یادگیری عمیق را به دست می‌آورد و می‌تواند از روش‌های توضیح‌پذیری برای بررسی اهمیت ویژگی‌ها، تحلیل پیش‌بینی‌های مدل و درک بهتر رفتار سیستم‌های هوش مصنوعی استفاده کند.
این دوره برای افرادی طراحی شده است که می‌خواهند فراتر از ساخت و آموزش یک مدل، رفتار، منطق تصمیم‌گیری و عملکرد مدل‌های هوش مصنوعی را نیز درک و تحلیل کنند.
هنوز نظری ثبت نشده است.
