在线课程 – 杜克大学 Google 可解释 AI （XAI） 专业认证

构建合乎道德且透明的 AI 系统。获得解释技术技能并开发合乎道德的 AI 以创建可靠且透明的机器学习解决方案。

Suggested by: Coursera (What is Coursera?)

Start your Coursera.com free trial today
在线课程 - 杜克大学 Google 可解释 AI （XAI） 专业认证

Professional Certificate

开始

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • 开发透明可靠的 AI 系统
  • 深入了解解释性 AI 概念 （XAI）
  • 应用可解释机器学习的能力
  • 对大型语言模型 （LLM） 使用高级解释技术
  • 使用生成计算机映像
  • 伦理考虑和模型偏差的调查
  • 使用不同模型执行 Python 实验室活动
  • 使用 LIME、SHAP 和 Anchor 实施本地标注
  • 为实际挑战创建透明且合乎道德的 AI 解决方案

What you will learn in the course

Courses for which the course is suitable

  • AI 专业人士
  • 数据科学家
  • 机器学习工程师
  • 产品经理
  • 人工智能领域的开发人员
  • 数据研究人员
  • AI 伦理专家
  • 数据分析师
  • 人工智能领域的顾问
  • 先进技术领域的项目经理

解释性人工智能 （XAI） 专业化

在人工智能 （AI） 迅速改变医疗保健、金融和刑法等敏感领域的时代，开发不仅准确而且透明可靠的 AI 系统的能力至关重要。该实习旨在为 AI 专业人员、数据科学家、机器学习工程师和产品经理提供创建符合最高道德和问责制标准的 AI 解决方案所需的知识和技能。

课程顾问

这些课程由 Brina Bennett 博士教授，她是弥合机器学习研究和工业之间差距的专家。

主要主题

  • 解释性 AI 概念 （XAI）
  • 可解释机器学习
  • 大型语言模型 （LLM） 的高级解释技术
  • 生成计算机图像

实践学习项目

实习提供实践项目，加深对 XAI 和可解释机器学习的理解。

课程项目

  • 课程 1： 通过道德机器反思、研究和案例研究调查道德考虑和偏见。
  • 课程 2： 使用 Jupyter Notebook 进行 Python 实验室活动，重点介绍如何实现 GLM、GAM、决策树和 RuleFit 等模型。
  • 课程 3： 专注于使用 LIME、SHAP 和 Anchors 进行本地解释的高级实验。

该专业提供的项目为学习者创建透明且合乎道德的 AI 解决方案以应对实际挑战做好准备。

Details of the courses that make up the specialization

发展解释直觉 （XAI）

课程 1 – 8 小时

您将学到什么：

  • 建立解释性直觉的关键术语以及它们之间的关系
  • 描述常见的解释性和合理的方法和交易
  • 准备开发 XAI 系统的注意事项，包括 XAI 评估方法、稳健性、隐私以及与决策的集成

您将获得的能力：

  • XAI
  • 机器学习
  • 解释直觉 （XAI）
  • 人工智能
  • 可解释的机器学习

课程 2 – 13 小时

您将学到什么：

  • 描述和应用回归和一般解释模型
  • 该模型了解决策树、规则和可解释的神经网络
  • 解释机制互斥性、假设和实验的基本概念

您将获得的能力：

  • 机器学习
  • 负责任的 AI
  • 人工智能
  • 机械个体性
  • 可解释的机器学习

课程 3 – 14 小时

您将学到什么：

  • 解释和实施独立于模型的倡导方法
  • 使用 SOTA 技术对神经网络模型进行可视化和解释
  • 描述大型语言模型 （LLM） 和生成式计算机视觉中的新兴宣传方法

相关产品