Course Outline

설명 가능한 AI 소개

  • 설명 가능 AI(XAI)란?
  • AI 모델의 투명성의 중요성
  • AI 해석의 핵심 과제

기본 XAI 기술

  • 모델에 독립적인 방법: LIME, SHAP
  • 모델별 설명 방법
  • 블랙박스 모델이 내린 결정 설명

XAI 도구에 대한 실습

  • 오픈소스 XAI 라이브러리 소개
  • 간단한 머신 러닝 모델에 XAI 구현
  • 설명 및 모델 동작 시각화

설명 가능성의 과제

  • 정확도 대 해석 가능성의 균형
  • 현재 XAI 방법의 한계
  • 설명 가능한 모델에서 편견과 공정성 처리

XAI의 윤리적 고려 사항

  • AI 투명성의 윤리적 의미 이해
  • 설명 가능성과 모델 성능의 균형
  • XAI의 개인 정보 보호 및 데이터 보호 문제

XAI의 실제 세계 응용 프로그램

  • 의료, 금융 및 법 집행 분야의 XAI
  • 설명 가능성에 대한 규제 요구 사항
  • 투명성을 통해 AI 시스템에 대한 신뢰 구축

고급 XAI 개념

  • 반사실적 설명 탐구
  • 신경망과 딥러닝 모델 설명
  • 복잡한 AI 시스템 해석

설명 가능한 AI의 미래 동향

  • XAI 연구의 새로운 기술
  • 미래 AI 투명성을 위한 과제와 기회
  • XAI가 책임 있는 AI 개발에 미치는 영향

요약 및 다음 단계

Requirements

  • 머신 러닝 개념에 대한 기본 이해
  • Python 프로그래밍에 익숙함

청중

  • AI 초보자
  • 데이터 과학 애호가
 14 Hours

Number of participants


Price per participant

Upcoming Courses

Related Categories