お問い合わせ

コース概要

説明可能なAI入門

  • 説明可能なAI(XAI)とは何か?
  • AIモデルにおける透明性の重要性
  • AIの解釈可能性にまつわる主な課題点

基本的なXAI手法

  • 『モデル非依存型』のアプローチ:LIMEやSHAPの紹介
  • 『モデル専用』の説明手法について
  • ブラックボックス型モデルの決定理由を解釈する方法

XAIツールによる実践演習

  • オープンソースのXAIライブラリの概要説明
  • シンプルな機械学習モデルにXAI技法を実装する体験
  • 出力結果やモデルの振る舞いの可視化手法の説明

解釈可能性における課題点

  • 精度と解釈可能性の間に生じるトレードオフ現象
  • 現在のXAI手法が抱える限界点
  • 説明可能なモデルにおける偏見や公平性への配慮について

説明可能なAIにおける倫理的視点

  • AIの透明性がもたらす社会的・倫理的な影響を考察する
  • 解釈可能性とモデルの性能とのバランスの取り方について
  • XAI実装におけるプライバシーおよび個人情報保護上の懸念点

説明可能なAIの実用事例

  • 医療・金融・法執行分野でのXAI適用例
  • 『説明責任』に関する各種規制要件の解説
  • 透明性を高めることでAIシステムへの信頼性を築く方法

高度なXAIの概念について

  • 『反事実的説明』という手法の理解と体得
  • ニューラルネットワークやディープラーニングモデルの解釈方法について
  • 複雑なAIシステムの動作を理解・説明するための手法紹介

今後のXAI発展の方向性について

  • 近年研究が進む新規なXAI技法の動向について
  • 『将来のAI透明化』に向けての課題および機会点探討
  • 説明可能なAIが責任あるAI開発に及ぼす影響の考察

総括と次へのステップ紹介

要求

  • 機械学習の基本概念についてある程度理解していること
  • Pythonプログラミングに馴染みがあることが望ましい

受講対象者

  • AI分野の初心者の方々
  • データサイエンスに興味がある方々
 14 時間

参加者の人数


参加者1人あたりの価格

今後のコース

関連カテゴリー