お問い合わせを送信いただきありがとうございます!当社のスタッフがすぐにご連絡いたします。
予約を送信いただきありがとうございます!当社のスタッフがすぐにご連絡いたします。
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