Responsible AI: Interpretability and Transparency for Developers (bằng tiếng Anh).

Khi trí tuệ nhân tạo được tích hợp vào các quy trình ra quyết định quan trọng, việc xây dựng các mô hình chính xác và đáng tin cậy là quan trọng hơn bao giờ hết. Các nhà phát triển phải có thể giải thích cách các hệ thống AI của họ đưa ra các quyết định cụ thể để đảm bảo công bằng, trách nhiệm và niềm tin của người dùng. Chương trình học dựa trên văn bản này hướng dẫn bạn qua các nguyên tắc cơ bản của AI có trách nhiệm, tập trung vào khả năng giải thích và minh bạch thực tế. Bạn sẽ chuyển từ việc xử lý mô hình học máy như hộp đen để thiết kế hệ thống với các con đường quyết định rõ ràng, giải thích được và kiểm toán được. Bạn sẽ học được: - Hiểu về đạo đức cốt lõi, thuật ngữ và các khái niệm cơ bản của AI có trách nhiệm. - Ứng dụng các kỹ thuật giải thích mô hình như SHAP và LIME để giải thích các dự đoán học máy phức tạp. - Nhận dạng và giảm bớt thiên vị trong tập dữ liệu huấn luyện và mô hình ra sử dụng các chỉ số công bằng hiện đại. - Cấu hình thẻ mô hình và tiêu chuẩn tài liệu để đảm bảo tính minh bạch cho các bên liên quan và người dùng. - Thực hiện các rào chắn an toàn hiện đại và khung đánh giá cho các mô hình AI sinh sản. Chương trình bắt đầu với các định nghĩa cơ bản của đạo đức AI và khả năng giải thích trước khi chuyển sang các phương pháp thực tiễn, lập trình cho tính minh bạch. Bạn sẽ đọc qua các giải thích rõ ràng, phân tích khái niệm và các kịch bản mã thực tế được thiết kế để giúp bạn kiểm toán và cải thiện các mô hình của bạn. Chương trình này được thiết kế cho người mới bắt đầu đến các nhà phát triển phần mềm trung cấp, các nhà khoa học dữ liệu và quản lý sản phẩm kỹ thuật muốn xây dựng các hệ thống AI đạo đức. Không cần kinh nghiệm trước với đạo đức AI tiên tiến, mặc dù một hiểu biết cơ bản về các khái niệm lập trình là hữu ích. Bắt đầu xây dựng các hệ thống AI mà người dùng, nhà phát triển và nhà điều hành có thể tin tưởng.