کتاب تفسیرپذیری هوش مصنوعی: جعبه سیاه را باز کنید با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تفسیرپذیری هوش مصنوعی: جعبه سیاه را باز کنید

موضوع کلی: برنامه‌نویسی کاربردی

موضوع میانی: AI Alignment

📋 سرفصل‌های دوره

• 1. تفسیرپذیری هوش مصنوعی: مفاهیم و ضرورت‌ها
• 2. مبانی مدل‌های یادگیری ماشین
• 3. شبکه‌های عصبی عمیق: یک مرور کلی
• 4. داده‌ها و کیفیت داده در تفسیرپذیری
• 5. پیش‌پردازش داده‌ها برای افزایش تفسیرپذیری
• 6. انتخاب ویژگی‌های مهم در مدل‌های هوش مصنوعی
• 7. روش‌های تفسیرپذیری پس از آموزش: LIME
• 8. روش‌های تفسیرپذیری پس از آموزش: SHAP
• 9. تفسیرپذیری مبتنی بر اهمیت ویژگی
• 10. تفسیرپذیری مبتنی بر تغییرات
• 11. روش‌های تفسیرپذیری ذاتی: مدل‌های خطی
• 12. روش‌های تفسیرپذیری ذاتی: درخت‌های تصمیم
• 13. روش‌های تفسیرپذیری ذاتی: قوانین
• 14. ارزیابی و مقایسه روش‌های تفسیرپذیری
• 15. تفسیرپذیری در طبقه‌بندی تصویر
• 16. تفسیرپذیری در پردازش زبان طبیعی
• 17. تفسیرپذیری در داده‌های سری زمانی
• 18. تفسیرپذیری در سیستم‌های توصیه‌گر
• 19. تفسیرپذیری و اخلاق در هوش مصنوعی
• 20. تفسیرپذیری و مسئولیت‌پذیری
• 21. تفسیرپذیری و اعتماد در هوش مصنوعی
• 22. تفسیرپذیری و انطباق با مقررات
• 23. تفسیرپذیری و امنیت هوش مصنوعی
• 24. محدودیت‌های تفسیرپذیری
• 25. چالش‌های تفسیرپذیری در مدل‌های پیچیده
• 26. تفسیرپذیری و تعامل انسان-ماشین
• 27. تفسیرپذیری و خطاهای مدل
• 28. تفسیرپذیری و رفع اشکال مدل
• 29. تفسیرپذیری و بهبود مدل
• 30. تفسیرپذیری و نظارت بر مدل
• 31. تفسیرپذیری و توضیح تصمیمات مدل
• 32. تفسیرپذیری و تشخیص سوگیری در مدل
• 33. تفسیرپذیری و حفظ حریم خصوصی
• 34. تفسیرپذیری و استفاده از داده‌های حساس
• 35. ابزارهای متن‌باز برای تفسیرپذیری هوش مصنوعی
• 36. کتابخانه‌های پایتون برای تفسیرپذیری
• 37. تفسیرپذیری در محیط‌های ابری
• 38. تفسیرپذیری و محاسبات لبه
• 39. تفسیرپذیری در سیستم‌های بلادرنگ
• 40. تفسیرپذیری و یادگیری تقویتی
• 41. تفسیرپذیری و شبکه‌های مولد تخاصمی (GANs)
• 42. تفسیرپذیری و یادگیری انتقالی
• 43. تفسیرپذیری و یادگیری خودنظارتی
• 44. تفسیرپذیری و یادگیری فدرال
• 45. تفسیرپذیری و هوش مصنوعی توضیح‌پذیر (XAI)