Artificial Intelligence begrijpen
Iason Prassides
Content Developer, DataCamp
Uitlegbaarheid: dat mensen toegang tot en begrip van resultaten van AI hebben, zoals voorspellingen en beslissingen

Begrijpelijkheid: begrip van interne werking AI-systemen: algoritme, model, gegevensworkflow

White-box: transparante, makkelijk te begrijpen modellen/systemen

White-box: transparante, makkelijk te begrijpen modellen/systemen

White-box: transparante, makkelijk te begrijpen modellen/systemen

Black-box: super ingewikkeld, moeilijk te snappen

Black-box: super ingewikkeld, moeilijk te snappen

XAI: manieren en tools om AI-systemen en -modellen beter te begrijpen en uit te leggen
- Modelintrospectie: interne modelparameters bekijken om beslissingen te begrijpen
XAI: manieren en tools om AI-systemen en -modellen beter te begrijpen en uit te leggen
- Modelintrospectie: interne modelparameters bekijken om beslissingen te begrijpen
- Modeldocumentatie: architectuur en ontwerpoverwegingen die je kunt delen
XAI: manieren en tools om AI-systemen en -modellen beter te begrijpen en uit te leggen
- Modelintrospectie: interne modelparameters bekijken om beslissingen te begrijpen
- Modeldocumentatie: architectuur en ontwerpoverwegingen die je kunt delen
- Modelvisualisatie: een makkelijke manier om data en modelresultaten te laten zien
Belang van kenmerken: hoe belangrijk zijn kenmerken (voorspellers) voor wat er uit het model komt?
SHAP (SHapley Additive exPlanations)

SHAP (SHapley Additive exPlanations)

SHAP (SHapley Additive exPlanations)

SHAP (SHapley Additive exPlanations)

Artificial Intelligence begrijpen