Terima kasih telah mengirimkan pertanyaan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Terima kasih telah mengirimkan pemesanan Anda! Salah satu anggota tim kami akan segera menghubungi Anda.
Kerangka Materi
Pengenalan Teknik XAI Tingkat Lanjut
- Ulasan metode XAI dasar
- Tantangan dalam menerjemahkan model AI kompleks
- Tren dalam penelitian dan pengembangan XAI
Teknik Terjelaskan yang Tidak Bergantung pada Model
- SHAP (SHapley Additive exPlanations)
- LIME (Local Interpretable Model-agnostic Explanations)
- Penjelasan anchor
Teknik Terjelaskan yang Bergantung pada Model
- Propagasi relevansi lapisan (LRP)
- DeepLIFT (Deep Learning Important FeaTures)
- Metode berbasis gradient (Grad-CAM, Integrated Gradients)
Menjelaskan Model Deep Learning
- Menerjemahkan jaringan saraf konvolusi (CNNs)
- Menjelaskan jaringan saraf rekurrent (RNNs)
- Menganalisis model berbasis transformer (BERT, GPT)
Mengatasi Tantangan Terjelaskan
- Mengatasi batasan model hitam kotak
- Membandingkan akurasi dan terjelaskan
- Menangani bias dan keadilan dalam penjelasan
Aplikasi XAI dalam Sistem Nyata
- XAI dalam kesehatan, keuangan, dan sistem hukum
- Peraturan dan persyaratan patuh AI
- Membangun kepercayaan dan tanggung jawab melalui XAI
Tren Masa Depan dalam AI Terjelaskan
- Teknik dan alat emergens dalam XAI
- Model terjelaskan generasi berikutnya
- Peluang dan tantangan dalam transparansi AI
Ringkasan dan Langkah Selanjutnya
Persyaratan
- Penguasaan mendasar tentang kecerdasan buatan (AI) dan pemelajaran mesin (machine learning)
- Pengalaman dengan jaringan sarang (neural networks) dan pemelajaran dalam (deep learning)
- Kemampuan dengan teknik dasar Explainable AI (XAI)
Peserta
- Peneliti kecerdasan buatan (AI) berpengalaman
- Insinyur pemelajaran mesin (machine learning)
21 Jam
