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

Khi trí tuệ nhân tạo trở thành một phần của cuộc sống hàng ngày, việc xây dựng các mô hình hoạt động như hộp đen không còn được chấp nhận. Các nhà phát triển phải hiểu không chỉ làm thế nào một mô hình đến một quyết định, mà làm thế gì để giải thích, gỡ lỗi, và bảo vệ những quyết định đó cho các bên liên quan và người dùng. Chương trình học dựa trên văn bản này hướng dẫn bạn qua các nguyên tắc cốt lõi của AI có trách nhiệm, tập trung vào khả năng giải thích và minh bạch thực tế. Bạn sẽ chuyển từ việc xây dựng các hệ thống mờ nhạt đến thiết kế các quy trình học máy rõ ràng, giải thích được và đạo đức. Bạn sẽ học được: - Hiểu các nguyên tắc cơ bản của AI có trách nhiệm, minh bạch và ra quyết định đạo đức. - Phân tích hành vi mô hình sử dụng các khung giải thích phổ biến như SHAP và LIME. - Nhận dạng và giảm bớt thiên vị trong cả tập dữ liệu huấn luyện và dự đoán mô hình học máy. - Thực hiện các thẻ mô hình và tài liệu bảng dữ liệu để đảm bảo thông tin rõ ràng về các hạn chế của mô hình. - Apply hiện đại explainability khái niệm đến phức tạp kiến trúc, bao gồm mạng nơron và mô hình ngôn ngữ. Chuyến đi bắt đầu với thuật ngữ chính, các khung đạo đức cơ bản và các định nghĩa nền tảng trước khi chuyển sang các phương pháp thực hành để giải thích dữ liệu và hành vi mô hình. Qua các giải thích có cấu trúc và các đoạn mã rõ ràng, bạn sẽ học cách gỡ lỗi, giải thích và kiểm toán hệ thống AI của bạn từng bước một. Lớp học này được thiết kế cho các nhà phát triển phần mềm, nhà khoa học dữ liệu và kỹ sư mới đến với đạo đức AI và muốn xây dựng niềm tin vào hệ thống của họ. Không cần kinh nghiệm trước với đạo đức AI tiên tiến. Bắt đầu xây dựng các hệ thống AI đáng tin cậy, minh bạch và có trách nhiệm ngay hôm nay.