وبینار تفسیرپذیری مدل‌های ماشین لرنینگ

امروزه هوش مصنوعی با زندگی روزمره ما درهم آمیخته شده است و تصمیمات مهمی توسط مدل‌های یادگیری ماشین گرفته می‌شود که می‌تواند بر زندگی ما بسیار تاثیرگذار باشد. منتقدین اعتقاد دارند که یادگیری ماشین مدل‌هایی را تولید می‌کند که اصطلاحا Black Box و یا جعبه سیاه هستند. این بدین معناست که این سیستم‌ها خروجی‌های ارزشمندی دارند که برای انسان قابل فهم و یا توضیح نیست.

البته این یک باور نادرست است و یادگیری ماشین می‌تواند ترجمه پذیر باشد و این یعنی ما می‌توانیم مدل‌های قابل فهم و قابل سنجش بسازیم و این دلیلی ست که می‌توانیم از هوش مصنوعی حتی در محیط‌های پر ریسک در زمینه هایی مثل پزشکی و یا مالی استفاده کنیم. یادگیری ماشین ترجمه پذیر یا interpretable machine learning به روش‌ها و مدل‌هایی اشاره دارد که رفتار و پیش‌بینی سیستم‌های یادگیری ماشین را برای انسان قابل فهم می‌کنند. در این وبینار به طور کلی تکنیک‌های متداول ترجمه مدل‌های یادگیری ماشین را شرح خواهیم داد.

[note]

اگر که با مفاهیم برنامه نویسی آشنا نیستی و قصد شرکت در وبینار تفسیر پذیری مدل‌های ماشین لرنینگ را داری ، پیشنهاد می‌کنیم ابتدا در دوره آموزش برنامه نویسی از صفر لقمان آوند را شرکت کنی و بعد از آن مسیر یادگیری برنامه نویسی را به درستی انتخاب کنی.

[/note]

سرفصل‌های وبینار Interpretability of Machine Learning Models:

• Introduction
• Importance of interpretability
• Taxonomy of interpretability methods
• Interpretability versus explainability
• Evaluation of interpretability
• Interpretable models
• Model-agnostic methods: Local and Global
• Future of interpretability
• Conclusion