Чему вы научитесь
- Понимать ключевые концепции Explainable AI и терминологию области.
- Разбирать математические основы методов интерпретации.
- Применять XAI к классическим моделям (линейная/логистическая регрессия, деревья, ансамбли).
- Использовать современные методы объяснимости (Permutation Importance, SHAP, LIME, Counterfactuals и др.).
- Анализировать взаимодействие признаков и интерпретировать сложные зависимости.
- Работать с методами интерпретации в глубинном обучении: CNN, градиентные методы, attention-based, concept-based подходы.
- Анализировать внутренние представления нейросетей (PCA, Autoencoders, Logit Lens).
- Применять XAI к большим языковым моделям (LLM) и использовать probing и prompting-техники.
- Оценивать качество объяснений и выбирать подходящие методы для практических задач.
- Повышать прозрачность, надёжность и безопасность моделей в реальных проектах.
О курсе
Модели машинного и глубинного обучения часто воспринимаются как «чёрный ящик». Это снижает доверие к AI, мешает внедрению решений в бизнес и делает модели уязвимыми для ошибок. Explainable AI (XAI) решает эту проблему — позволяет понять, почему модель принимает то или иное решение. Курс является единственным на русскоязычном рынке.
На курсе вы:
-
получите системное понимание XAI — от основ до самых современных подходов для LLM и Transformers;
-
разберёте математические основы методов интерпретации и научитесь применять их на практике;
-
освоите ключевые XAI-инструменты: SHAP, LIME, Counterfactuals, Permutation Importance и др.;
-
научитесь анализировать взаимодействие признаков и внутренние представления моделей;
-
получите опыт работы с объяснимостью в Deep Learning (CNN, attention, концептуальные методы);
-
познакомитесь с подходами для анализа больших языковых моделей (LLM), включая probing и prompting;
Курс сочетает академическую строгость и практическую применимость. Каждая тема подкреплена заданиями и кейсами, а итогом станет не только понимание XAI, но и готовность внедрять объяснимость в рабочий pipeline.
Для кого этот курс
Начальные требования
- Знание математики в рамках школьной программы
- Базовые знания высшей математики
- Опыт анализа данных при помощи языка программирования Python
- Знание основных алгоритмов классического машинного обучения
- Опыт обучения глубинных моделей при помощи pyTorch
Наши преподаватели
Программа курса
Что вы получаете
- 1. Единственный на русскоязычном рынке полный курс по Explainable AI: от классических алгоритмов и ансамблей до CNN, Transformers и LLM.
- 2. Системное понимание XAI — вы освоите все ключевые подходы интерпретации, их математическую основу и практическое применение.
- 3. Навыки работы с современными методами: SHAP, LIME, Grad-CAM, Integrated Gradients, Counterfactuals, Attention-based и Concept-based XAI.
- 4. Опыт анализа сложных моделей: взаимодействие признаков, probing внутренних представлений, работа с эмбеддингами.
- 5. Инструменты для повышения доверия и безопасности моделей, которые можно сразу внедрять в рабочие проекты.
- 6. Бонусы и практические материалы: чек-листы, готовые туториалы и вебинары для закрепления знаний.