コース概要

Explainable AIの入門

  • 什么是Explainable AI (XAI)是什么?
  • AIモデルにおける透明性の重要性
  • AI解釈性の主要課題

基本的なXAI技術

  • モデル非依存的手法: LIME, SHAP
  • モデル依存の説明可能性手法
  • 黒箱モデルによる決定の説明

XAIツールの手作り実装

  • オープンソースXAIライブラリの紹介
  • 単純な機械学習モデルへのXAI実装
  • 説明とモデル動作の可視化

解釈可能性における課題

  • 正確性と解釈可能性のトレードオフ
  • 現行XAI手法の制限点
  • 説明可能なモデルにおける偏りと公平性の処理

XAIにおける倫理的考慮事項

  • AI透明性の倫理的影響の理解
  • 説明可能性とモデル性能のバランス
  • XAIにおけるプライバシーとデータ保護の懸念事項

XAIの実際の応用例

  • 医療、金融、法執行機関におけるXAI
  • 解釈可能性に関する規制要件
  • 透明性を通じたAIシステムへの信頼構築

高度なXAI概念

  • 反事実説明の探求
  • ニューラルネットワークと深層学習モデルの説明
  • 複雑なAIシステムの解釈

解釈可能なAIの将来動向

  • XAI研究における新技術
  • 今後のAI透明性に関する課題と機会
  • XAIが責任あるAI開発に与える影響

まとめと次なるステップ

要求

  • 機械学習の基本概念の理解
  • Pythonプログラミングの基礎知識

対象者

  • AI初心者
  • データサイエンスの愛好家
 14 時間

参加者の人数


参加者1人当たりの料金

今後のコース

関連カテゴリー