or
Bài tập này là một phần của khóa học
Bắt đầu hành trình của bạn bằng cách khám phá các khái niệm nền tảng của Explainable AI. Học cách trích xuất quy tắc quyết định từ cây quyết định. Suy ra và trực quan hóa mức độ quan trọng của đặc trưng bằng các mô hình tuyến tính và mô hình dựa trên cây để hiểu cách các mô hình này dự đoán, từ đó ra quyết định minh bạch hơn.
Khai mở sức mạnh của các kỹ thuật độc lập mô hình để xác định ảnh hưởng của đặc trưng trên nhiều mô hình. Sử dụng permutation importance và giá trị SHAP để phân tích cách đặc trưng tác động đến hành vi mô hình. Khám phá các công cụ trực quan hóa SHAP để làm cho khái niệm giải thích trở nên dễ hiểu hơn.
Đào sâu vào giải thích cục bộ và giải thích từng dự đoán riêng lẻ. Học cách tận dụng SHAP cho giải thích cục bộ. Thành thạo LIME để làm rõ các yếu tố cụ thể chi phối một kết quả đơn lẻ, cho dù với dữ liệu văn bản, dạng bảng hay hình ảnh.
Khám phá các chủ đề nâng cao trong Explainable AI bằng cách đánh giá hành vi mô hình và hiệu quả của các phương pháp giải thích. Nâng cao kỹ năng đánh giá tính nhất quán và độ trung thực của lời giải thích, tìm hiểu phân tích mô hình không giám sát, và học cách làm rõ quy trình suy luận của các mô hình AI sinh sinh như ChatGPT. Trang bị cho bạn các kỹ thuật để đo lường và tăng cường khả năng giải thích trong các hệ thống AI phức tạp.
Bài tập hiện tại