Membuka kemasan SHAP

Salah satu alasan di balik keajaiban alat XAI ( AI yang dapat dijelaskan) seperti SHAP adalah kemampuannya untuk menampilkan bukan hanya pentingnya fitur prediktor secara keseluruhan di balik sebuah model, tetapi juga pentingnya secara spesifik dan hubungan antara fitur input dan satu output atau prediksi model tertentu.

Plot berikut menggambarkan peran penting berbagai skor tes akademik umum di AS dalam memperkirakan peluang diterima di universitas, untuk satu kasus pendaftaran mahasiswa. Prediksi model yang dihasilkan adalah tingkat kualitas 0,63 untuk keputusan penerimaan mahasiswa ini.

Importance of features in an individual prediction of university admission

Di bawah ini terdapat empat pernyataan terkait dengan pentingnya fitur dan perilaku model dalam prediksi individual ini.

Salah satu pernyataan ini adalah Salah. Dapatkah Anda menemukannya?

Latihan ini adalah bagian dari kursus

Memahami Kecerdasan Buatan

Latihan interaktif praktis

Ubah teori menjadi tindakan dengan salah satu latihan interaktif kami.

Mulai berolahraga

Latihan ini adalah bagian dari kursus

Memahami Kecerdasan Buatan

SkillTag.level.beginnerSkillTag.label

4.8+

Mulai Kursus Gratis

Mulailah perjalanan Anda ke dunia AI! Kecerdasan Buatan dengan cepat bergeser dari topik yang murni ilmiah menjadi payung bidang dengan aplikasi dan kegunaan yang tak terhitung saat ini, baik di bisnis, industri, maupun sebagai bagian dari kehidupan sehari-hari. Anda akan mempelajari apa itu AI, jenis masalah apa yang dapat diselesaikan menggunakan AI, dan apa keterbatasannya saat ini. Anda juga akan memperoleh pemahaman luas tentang subbidang dalam AI dan disiplin terkaitnya.

Exercise 1: Apa itu Kecerdasan Buatan?Exercise 2: Pertanyaan besar Exercise 3: Sempit atau Umum?Exercise 4: Apa yang dapat dilakukan AI?Exercise 5: AI dalam pekerjaan Exercise 6: AI dalam praktik Exercise 7: Area dan disiplin terkait AI Exercise 8: Bagaimana AI belajar?Exercise 9: Mendengar dan belajar

Apa fungsi inti dari sistem AI dan kemungkinan yang ditawarkan tiap area? Dari mana asal data yang menggerakkan sistem AI, dan bagaimana teknik seperti pembelajaran mesin memanfaatkan data untuk menyelesaikan beragam masalah? Bab ini menjawab pertanyaan-pertanyaan tersebut dan lainnya, mengungkap bagaimana berbagai bentuk AI dapat memperoleh data, belajar dari data, serta berinteraksi dengan sekelilingnya—baik lingkungan fisik maupun digital.

Exercise 1: Membuat sistem algoritma dan AI jadi lebih jelas dan mudah dipahami Exercise 2: Di dalam sistem AI pizza Exercise 3: Membongkar sistem AI pemesanan hotel Exercise 4: Mengakuisisi data Exercise 5: Simbiosis AI dan Internet-of-Things (IoT)Exercise 6: Terstruktur atau tidak terstruktur?Exercise 7: Belajar dari data Exercise 8: Melatih dan mengklasifikasikan dengan penguin Exercise 9: Penyusup tanpa diawasi Exercise 10: Deep Learning akan tetap ada di sini Exercise 11: Berinteraksi dengan Lingkungan Exercise 12: Belajar dari ulasan pelanggan Exercise 13: Perpaduan robot, visi, dan bahasa alami Exercise 14: Tantangan True-False tentang hal yang bisa dilakukan AI

Bersiaplah menyelami dunia AI di bisnis dan perusahaan! Bab ini mengungkap konsep dasar, pedoman, dan praktik terbaik untuk membangun atau menjadi organisasi yang digerakkan AI. Baik untuk membekali produk, layanan, dan proyek Anda dengan sentuhan kecerdasan, maupun merevolusi proses operasional di dalam organisasi, pada akhir bab ini Anda akan memahami elemen penting untuk mengadopsi teknologi ini: mulai dari budaya hingga data dan infrastruktur, hingga membangun tim profesional AI yang berbakat. Anda juga akan mempelajari tantangan yang mungkin muncul di sepanjang jalan serta contoh kisah sukses dari perusahaan besar yang menjadikan AI aspek sentral merek mereka.

Exercise 1: Membangun budaya AI Exercise 2: Empat bahan untuk organisasi yang digerakkan AI Exercise 3: Home, secured home Exercise 4: Strategi data, sumber daya, dan manusia Exercise 5: Dilema infrastruktur Exercise 6: "Zen" dalam MLOps Exercise 7: Membangun tim!Exercise 8: Apakah sistem AI yang Anda terapkan berhasil?Exercise 9: Kisah kinerja Exercise 10: Sebuah Bukti Konsep (PoC) akademik Exercise 11: Tantangan dan kisah sukses Exercise 12: Cara menumbuhkan budaya AI Exercise 13: Paola dan proyek fesyen

Saat perjalanan AI kita yang mendebarkan mendekati akhir, kita menyelami keterkaitan mendalam antara AI dengan dampaknya pada kemanusiaan dan masyarakat. Kita akan membahas topik seperti demokratisasi AI dan AI yang bertanggung jawab, mencakup etika, kemampuan interpretasi, keadilan, dan keamanan—seluruh aspek krusial untuk membangun sistem AI yang berdampak positif bagi hidup kita. Terakhir, kita menatap ke depan, menguraikan prospek dan tantangan menarik yang dihadirkan AI dalam membentuk masa depan yang berkelanjutan.

Exercise 1: Demokratisasi Kecerdasan Buatan Exercise 2: Praktik terbaik untuk demokratisasi AI Exercise 3: Membuka Pintu Data Terbuka Exercise 4: Kemampuan menjelaskan dan kemampuan interpretasi Exercise 5: Sebuah pohon di dalam white-box Exercise 6: Menjelaskan penerimaan mahasiswa di universitas Exercise 7: Membuka kemasan SHAP

Latihan Saat Ini

Exercise 8: Tantangan sosial: etika, keadilan, dan privasi Exercise 9: Berbagi data untuk kemajuan AI Exercise 10: Perilaku bias atau tidak bias?Exercise 11: Kendaraan yang bias Exercise 12: Tantangan sosial: masa depan AI Exercise 13: Seribu wajah AI berkelanjutan Exercise 14: Paola dan sisi manusia dari AI Exercise 15: Satu perjalanan berakhir, perjalanan lain dimulai