Course Outline

고급 XAI 기술 소개

  • 기본 XAI 방법 검토
  • 복잡한 AI 모델 해석의 과제
  • XAI 연구 및 개발의 추세

모델에 독립적인 설명 기술

  • SHAP(SHapley Additive 설명)
  • LIME(Local Interpretable Model-agnostic Explanations)
  • 앵커 설명

모델별 설명 기술

  • 계층별 관련성 전파(LRP)
  • DeepLIFT(Deep Learning 중요 기능)
  • 그래디언트 기반 방법(Grad-CAM, Integrated Gradients)

Deep Learning 모델 설명

  • 합성 신경망(CNN) 해석
  • 순환 신경망(RNN) 설명
  • 변압기 기반 모델(BERT, GPT) 분석

해석 가능성 문제 처리

  • 블랙박스 모델 제한 사항 해결
  • 정확성과 해석 가능성의 균형
  • 설명에서 편견과 공정성을 다루기

실제 시스템에서의 XAI 응용

  • 의료, 금융 및 법률 시스템의 XAI
  • AI 규제 및 규정 준수 요구 사항
  • XAI를 통한 신뢰와 책임감 구축

설명 가능한 AI의 미래 동향

  • XAI의 새로운 기술과 도구
  • 차세대 설명 가능성 모델
  • AI 투명성의 기회와 과제

요약 및 다음 단계

Requirements

  • AI 및 머신러닝에 대한 탄탄한 이해
  • 신경망 및 딥러닝 경험
  • 기본 XAI 기술에 대한 지식

청중

  • 경험이 풍부한 AI 연구자
  • 머신러닝 엔지니어
 21 Hours

Number of participants


Price per participant

Upcoming Courses

Related Categories