Interpretowalne uczenie maszynowe

2350 PLN+23% VAT (2890 PLN brutto / 1 os.)

Czas trwania szkolenia:2 dni (16h)

Kod kursu:DL/MI

Poziom zaawansowania:
neural-networks

Dostępne terminy

  • Termin
  • Trener
  • Cena
  • Zapis
  • Lokalizacja

Termin:

11 kwiecień
Trwają zapisy na szkolenie

Trener:

Trener Sages

Cena:

2350 PLN netto+23% VAT

Lokalizacja:

Zdalne
Zdalne

Termin:

20 czerwiec
Trwają zapisy na szkolenie

Trener:

Trener-Sages

Cena:

2350 PLN netto+23% VAT

Lokalizacja:

Zdalne
Zdalne

Termin:

17 październik
Trwają zapisy na szkolenie

Trener:

Trener-Sages

Cena:

2350 PLN netto+23% VAT

Lokalizacja:

Zdalne
Zdalne

Interesuje Cię szkolenie stacjonarne lub nie odpowiada Ci żaden z dostępnych terminów?

Ikona pytaniaZapytaj o szkolenie

O szkoleniu Interpretowalne uczenie maszynowe

W cenie otrzymasz:

  • Materiały szkoleniowe
  • Certyfikat ukończenia szkolenia
  • W przypadku szkolenia w trybie stacjonarnym zapewnimy Ci również lunch oraz sprzęt niezbędny do nauki

Dla kogo?

  • Osób zajmujących się na co dzień głębokim uczeniem, które chcą być na bieżąco z najnowszymi trendami
  • Osób wdrażających sztuczną inteligencję w zastosowaniach wymagających wyjaśnialności wprowadzanych rozwiązań, na przykład w medycynie lub w sektorach zaufania publicznego

Wymagania

  • Od uczestników szkolenia wymagana jest znajomość podstaw działania sieci neuronowych oraz znajomość narzędzi do ich implementacji w języku Python (np. PyTorch)

Zalety

  • Zajęcia prowadzone przez specjalistów, którzy na co dzień pracują nad zagadnieniami związanymi z interpretowanymi modelami uczenia maszynowego
  • Możliwość poznania najnowszych trendów w uczeniu maszynowym, w szczególności w tematyce Explainable AI
  • Praktyczne zadania pozwalające dokładnie zrozumieć przekazywaną teorię

Cele szkolenia

  • Poznanie algorytmów wizualizacji oraz interpretacji decyzji podejmowanych przez modele uczenia maszynowego
  • Zdobycie umiejętności praktycznego zastosowania omawianych algorytmów

Program

Wprowadzenie do metod interpretacji modeli uczenia maszynowego

  • Dlaczego interpretowalność jest ważna
  • Praktyczne zastosowania metod wyjaśniających działanie modeli uczenia maszynowego

Mapy istotności (saliency maps)

Wyjaśnianie predykcji za pomocą zrozumiałych dla człowieka konceptów

  • Metoda TCAV

Wyjaśnianie za pomocą prototypów

Wyjaśnianie za pomocą zadań sondujących

Podobne szkolenia