or
To ćwiczenie jest częścią kursu
Rozpocznij naukę od poznania podstawowych pojęć wyjaśnialnego AI. Dowiedz się, jak wyodrębniać reguły decyzyjne z drzew decyzyjnych. Wyznaczaj i wizualizuj ważność cech przy użyciu modeli liniowych i opartych na drzewach, aby zrozumieć, jak modele podejmują decyzje i zwiększyć ich przejrzystość.
Poznaj techniki wyjaśnialności niezależne od modelu i sprawdź, jak cechy wpływają na różne modele. Wykorzystaj ważność permutacyjną oraz wartości SHAP do analizy zachowania modeli. Zapoznaj się z narzędziami wizualizacji SHAP, które ułatwiają zrozumienie koncepcji wyjaśnialności.
Zajmij się wyjaśnialnością lokalną i naucz się interpretować pojedyncze predykcje. Poznaj zastosowanie SHAP w wyjaśnialności lokalnej. Opanuj LIME, aby ujawnić czynniki wpływające na konkretne wyniki – w danych tekstowych, tabelarycznych i obrazowych.
Zgłęb zaawansowane zagadnienia wyjaśnialnego AI: analizuj zachowania modeli i skuteczność metod wyjaśniania. Naucz się oceniać spójność i wierność wyjaśnień, analizuj modele nienadzorowane i poznaj sposoby interpretowania procesów rozumowania generatywnych modeli AI, takich jak ChatGPT. Zdobądź techniki mierzenia i poprawy wyjaśnialności w złożonych systemach AI.
Bieżące ćwiczenie