Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Struttura del corso
Introduzione all'intelligenza artificiale spiegabile
- Che cos'è l'Explainable AI (XAI)?
- Importanza della trasparenza nei modelli di intelligenza artificiale
- Sfide chiave nell'interpretabilità dell'IA
Tecniche XAI di base
- Metodi indipendenti dal modello: LIME, SHAP
- Metodi di spiegabilità specifici del modello
- Spiegare le decisioni prese dai modelli black-box
Hands-on con gli strumenti XAI
- Introduzione alle librerie XAI open source
- Implementazione di XAI in semplici modelli di Machine Learning
- Visualizzazione delle spiegazioni e del comportamento del modello
Sfide nella spiegabilità
- Compromessi tra accuratezza e interpretabilità
- Limitazioni degli attuali metodi XAI
- Gestione di pregiudizi e correttezza in modelli spiegabili
Considerazioni etiche in XAI
- Comprendere le implicazioni etiche della trasparenza dell'IA
- Bilanciare la spiegabilità con le prestazioni del modello
- Problemi di privacy e protezione dei dati in XAI
Applicazioni reali di XAI
- XAI nel settore sanitario, finanziario e delle forze dell'ordine
- Requisiti normativi per la spiegabilità
- Costruire la fiducia nei sistemi di IA attraverso la trasparenza
Concetti XAI avanzati
- Esplorare le spiegazioni controfattuali
- Spiegazione delle reti neurali e dei modelli di deep learning
- Interpretazione di sistemi complessi di IA
Tendenze future nell'intelligenza artificiale spiegabile
- Tecniche emergenti nella ricerca XAI
- Sfide e opportunità per la futura trasparenza dell'IA
- Impatto dell'XAI sullo sviluppo responsabile dell'IA
Riepilogo e passaggi successivi
Requisiti
- Conoscenza di base dei concetti di machine learning
- Familiarità con la programmazione Python
Pubblico
- Principianti dell'IA
- Appassionati di scienza dei dati
14 ore