Интерпретируемые модели AI

В курсе изучаются концепции и определения области XAI. Приводится практическая ценность и мотивации данной области. За время прохождения, вы погрузитесь в терминологию и научитесь классифицировать методы объяснения, рассмотрите модели ML и научитесь корректно интерпретировать их. Курс является частью полной версии:…
Начальный уровень

Чему вы научитесь

  • Понимать, зачем необходим Explainable AI и какую ценность он приносит в проектах.
  • Разбираться в ключевых терминах XAI и классифицировать методы объяснения.
  • Применять интерпрерпретируемые модели для построения выводов и понимать их связь с причинно-следственными выводами (Causal Inference).
  • Оценивать важность признаков с использованием деревьев решений, Random Forest и популярных библиотек CatBoost, XGBoost и LightGBM.
  • Выполнять практические задания для закрепления теоретических знаний на реальных примерах.

О курсе

В критических отраслях и в ряде бизнес-решений интерпретируемость моделей становится ключевым элементом их применения. Курс предназначен для всех, кто хочет понять, как сделать модели прозрачными для пользователей и бизнеса.

Вы начнете с базовых концепций XAI и разберете их практическую ценность. Затем погрузитесь в терминологию и научитесь классифицировать методы объяснения. Мы рассмотрим модели ML и научимся корректно интерпретировать их — согласно с математической постановкой моделей. 

Курс является частью полной версии: https://stepik.org/198640

Для кого этот курс

Курс будет полезен как начинающим специалистам, так и продолжающим, для более глубокого погружения в модели ML и их интерпретацию.

Начальные требования

  • Знание математики в рамках школьной программы
  • Базовые знания высшей математики
  • Минимальный опыт анализа данных при помощи языка программирования Python 
  • Знание основных алгоритмов классического машинного обучения

Наши преподаватели

Программа курса

загружаем...
Price: Бесплатно

Расскажите о курсе друзьям

Price: Бесплатно