Çevrimiçi Kurs – Google’ın Açıklanabilir Yapay Zekası (XAI) alanında Sertifikalı Profesyonel Staj, Duke Üniversitesi

Etik ve şeffaf yapay zeka sistemleri oluşturun. Güvenilir ve şeffaf makine öğrenimi çözümleri oluşturmak için açıklayıcı ve açık etik yapay zeka tekniklerinde beceriler edinin.

Suggested by: Coursera (What is Coursera?)

Professional Certificate

başlangıç

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • Şeffaf ve güvenilir yapay zeka sistemlerinin geliştirilmesi
  • Açıklayıcı yapay zeka (XAI) kavramlarının derinlemesine anlaşılması
  • Yorumlanabilir makine öğrenimini uygulama becerisi
  • Büyük dil modelleri (LLM’ler) için gelişmiş açıklayıcı tekniklerin kullanılması
  • Üretken bir bilgisayar görüntüsüyle çalışma
  • Modellerdeki etik hususlar ve önyargıların incelenmesi
  • Python laboratuvar etkinliklerinin farklı modellerle gerçekleştirilmesi
  • LIME, SHAP ve Anchors kullanarak yerel açıklamaları uygulama
  • Gerçek zorluklara karşı şeffaf ve etik yapay zeka çözümleri yaratmak

What you will learn in the course

Courses for which the course is suitable

  • Yapay zeka uzmanları
  • veri bilimcileri
  • Makine öğrenimi mühendisleri
  • ürün yöneticileri
  • Yapay zeka alanındaki geliştiriciler
  • veri bilimcileri
  • Yapay zeka alanında etik uzmanları
  • veri analistleri
  • Yapay zeka alanındaki danışmanlar
  • İleri teknolojiler alanında proje yöneticileri

Açıklama için yapay zeka uzmanlığı (XAI)

Yapay zekanın (AI) sağlık, finans ve ceza adaleti gibi hassas alanları hızla dönüştürdüğü bir çağda, yalnızca doğru değil aynı zamanda şeffaf ve güvenilir yapay zeka sistemleri geliştirme yeteneği kritik öneme sahiptir. Staj, yapay zeka uzmanlarına, veri bilimcilerine, makine öğrenimi mühendislerine ve ürün yöneticilerine, en yüksek etik ve sorumluluk standartlarını karşılayan yapay zeka çözümleri oluşturmak için gereken bilgi ve becerileri sağlamak üzere tasarlanmıştır.

Kurs eğitmeni

Kurslar, makine öğreniminde araştırma ve endüstri arasındaki boşlukları kapatma konusunda uzman olan Dr. Brina Bennett tarafından verilmektedir.

önemli konular

  • Açıklanabilir Yapay Zeka Konseptleri (XAI)
  • Yorumlanabilir makine öğrenimi
  • Büyük Dil Modelleri (LLM) için İleri Açıklama Teknikleri
  • Üretken bilgisayar görüntüleme

Pratik bir öğrenme projesi

Staj, XAI ve yorumlanabilir makine öğrenimi anlayışını derinleştiren uygulamalı projeler sunar.

Kurs projeleri

  • Kurs 1: Ahlaki makine yansımaları, vaka çalışmaları ve vaka çalışmaları aracılığıyla etik hususların ve önyargıların araştırılması.
  • Kurs 2: GLM’ler, GAM’ler, karar ağaçları ve RuleFit gibi modellerin uygulanmasına odaklanan Jupyter not defterleriyle Python laboratuvar etkinlikleri.
  • Kurs 3: LIME, SHAP ve Anchors kullanılarak yerel açıklamalara odaklanan ileri düzey laboratuvarlar.

Bu uzmanlıkta sunulan projeler, öğrencileri gerçek zorluklara karşı şeffaf ve etik yapay zeka çözümleri oluşturmaya hazırlar.

Details of the courses that make up the specialization

Açıklanabilir Sezgiyi Geliştirme (XAI)

Kurs 1 – 8 saat

Ne öğreneceksiniz:

  • Açıklanabilir sezginin temel terimlerini ve bunların bağlantılarını belirleyin
  • Ortak açıklanabilir ve makul yaklaşımları ve ödünleşimleri açıklayın
  • XAI değerlendirme yöntemi, sağlamlık, gizlilik ve karar verme süreciyle entegrasyon dahil olmak üzere XAI sistemlerinin geliştirilmesine yönelik değerlendirmeler yapın

Kazanacağınız yetenekler:

  • XAI
  • makine öğrenimi
  • Açıklanabilir Sezgi (XAI)
  • yapay zeka
  • Makine öğrenimi açıklanabilir

Kurs 2 – 13 saat

Ne öğreneceksiniz:

  • Regresyon modellerini ve genel açıklayıcı modelleri tanımlama ve uygulama
  • Model karar ağaçları, kurallar ve açıklanabilir sinir ağları bilgisine sahiptir
  • Mekanistik yorumlanabilirliğin temel kavramlarını, hipotezleri ve deneyleri açıklamak

Kazanacağınız yetenekler:

  • makine öğrenimi
  • Yapay zeka sorumlu
  • yapay zeka
  • Mekanik Birlikte Çalışabilirlik
  • Makine öğrenimi açıklanabilir

Kurs 3 – 14 saat

Ne öğreneceksiniz:

  • Modele bağlı olmayan açıklayıcı yöntemleri açıklama ve uygulama
  • SOTA tekniklerini kullanan sinir ağı modellerinin çizimi ve açıklaması
  • Büyük dil modellerinde (LLM’ler) ve üretken bilgisayar görüşünde açıklayıcılığa yönelik yeni ortaya çıkan yaklaşımları açıklamak