Félicitations

IA explicable en Python

Fouad Trad

Machine Learning Engineer

Chapitre 1

Notions de base de l’IA explicable :

  • Principes clés et terminologie
  • Explicabilité spécifique aux modèles linéaires et aux arbres
IA explicable en Python

Chapitre 1

Notions de base de l’IA explicable :

  • Principes clés et terminologie
  • Explicabilité spécifique aux modèles linéaires et aux arbres

Chapitre 2

Techniques agnostiques au modèle :

  • Importance par permutation
  • SHAP
IA explicable en Python

Chapitre 1

Notions de base de l’IA explicable :

  • Principes clés et terminologie
  • Explicabilité spécifique aux modèles linéaires et aux arbres

Chapitre 2

Techniques agnostiques au modèle :

  • Importance par permutation
  • SHAP

Chapitre 3

Explicabilité locale :

  • SHAP
  • LIME
IA explicable en Python

Chapitre 1

Notions de base de l’IA explicable :

  • Principes clés et terminologie
  • Explicabilité spécifique aux modèles linéaires et aux arbres

Chapitre 2

Techniques agnostiques au modèle :

  • Importance par permutation
  • SHAP

Chapitre 3

Explicabilité locale :

  • SHAP
  • LIME

Chapitre 4

Sujets avancés :

  • Indicateurs d’explicabilité
  • Explication des modèles non supervisés
  • Explication des modèles d’IA générative
IA explicable en Python

Et ensuite ?

Image montrant une flèche vers les prochaines étapes. La première est d’appliquer l’explicabilité à divers modèles d’IA.

1 Images générées par DALL-E
IA explicable en Python

Et ensuite ?

Image montrant une flèche vers les prochaines étapes. La première est d’appliquer l’explicabilité à divers modèles d’IA. La deuxième est d’améliorer la transparence et la confiance en l’IA.

1 Images générées par DALL-E
IA explicable en Python

Et ensuite ?

Image montrant une flèche vers les prochaines étapes. La première est d’appliquer l’explicabilité à divers modèles d’IA. La deuxième est d’améliorer la transparence et la confiance en l’IA. La troisième est d’explorer l’équité en IA et la détection des biais.

1 Images générées par DALL-E
IA explicable en Python

Et ensuite ?

Image montrant une flèche vers les prochaines étapes. La première est d’appliquer l’explicabilité à divers modèles d’IA. La deuxième est d’améliorer la transparence et la confiance en l’IA. La troisième est d’explorer l’équité en IA et la détection des biais. La quatrième est de suivre l’évolution des nouveaux outils en IA explicable.

1 Images générées par DALL-E
IA explicable en Python

Félicitations !

IA explicable en Python

Preparing Video For Download...