Congratulazioni

Explainable AI in Python

Fouad Trad

Machine Learning Engineer

Capitolo 1

Basi dell’IA spiegabile:

  • Principi chiave e terminologia
  • Spiegabilità specifica del modello per modelli lineari e ad alberi
Explainable AI in Python

Capitolo 1

Basi dell’IA spiegabile:

  • Principi chiave e terminologia
  • Spiegabilità specifica del modello per modelli lineari e ad alberi

Capitolo 2

Tecniche agnostiche al modello:

  • Permutation importance
  • SHAP
Explainable AI in Python

Capitolo 1

Basi dell’IA spiegabile:

  • Principi chiave e terminologia
  • Spiegabilità specifica del modello per modelli lineari e ad alberi

Capitolo 2

Tecniche agnostiche al modello:

  • Permutation importance
  • SHAP

Capitolo 3

Spiegabilità locale:

  • SHAP
  • LIME
Explainable AI in Python

Capitolo 1

Basi dell’IA spiegabile:

  • Principi chiave e terminologia
  • Spiegabilità specifica del modello per modelli lineari e ad alberi

Capitolo 2

Tecniche agnostiche al modello:

  • Permutation importance
  • SHAP

Capitolo 3

Spiegabilità locale:

  • SHAP
  • LIME

Capitolo 4

Argomenti avanzati:

  • Metriche di spiegabilità
  • Spiegare modelli non supervisionati
  • Spiegare modelli di IA generativa
Explainable AI in Python

E adesso?

Immagine con una freccia che evidenzia i prossimi passi. Il primo è applicare la spiegabilità a diversi modelli di IA.

1 Immagini generate con DALL·E
Explainable AI in Python

E adesso?

Immagine con una freccia che evidenzia i prossimi passi. Il primo è applicare la spiegabilità a diversi modelli di IA. Il secondo è aumentare trasparenza e fiducia nell’IA.

1 Immagini generate con DALL·E
Explainable AI in Python

E adesso?

Immagine con una freccia che evidenzia i prossimi passi. Il primo è applicare la spiegabilità a diversi modelli di IA. Il secondo è aumentare trasparenza e fiducia nell’IA. Il terzo è esplorare l’equità dell’IA e il rilevamento dei bias.

1 Immagini generate con DALL·E
Explainable AI in Python

E adesso?

Immagine con una freccia che evidenzia i prossimi passi. Il primo è applicare la spiegabilità a diversi modelli di IA. Il secondo è aumentare trasparenza e fiducia nell’IA. Il terzo è esplorare l’equità dell’IA e il rilevamento dei bias. Il quarto è restare aggiornati sugli strumenti emergenti per l’IA spiegabile.

1 Immagini generate con DALL·E
Explainable AI in Python

Congratulazioni!

Explainable AI in Python

Preparing Video For Download...