Course description

Kursus ini dirancang untuk membantu Anda memahami cara kerja model AI dan memberikan penjelasan yang dapat dipahami untuk output yang dihasilkan. Anda akan mempelajari teknik Explainable AI (XAI) seperti LIME (Local Interpretable Model-agnostic Explanations) dan SHAP (Shapley Additive Explanations) untuk memahami kontribusi setiap fitur terhadap keputusan model. Kami juga akan membahas metode Feature Importance menggunakan Permutation Importance, serta visualisasi layer dalam Convolutional Neural Networks (CNN) untuk melihat bagaimana jaringan memproses informasi. Selain itu, Anda akan belajar menggunakan Grad-CAM untuk membuat heatmap yang menunjukkan area penting dalam gambar yang memengaruhi keputusan model. Kursus ini cocok untuk mereka yang ingin memahami bagaimana model AI bekerja dan membuatnya lebih transparan dan dapat dijelaskan.

What will i learn?

  • Memahami konsep Explainable AI (XAI) dan mengapa itu penting
  • Menggunakan LIME dan SHAP untuk menjelaskan keputusan model AI.
  • Menerapkan Permutation Importance untuk memahami pentingnya fitur.
  • Visualisasi layer dalam Convolutional Neural Networks (CNN).
  • Membuat heatmap dengan Grad-CAM untuk memahami interpretasi gambar oleh model AI

Requirements

  • Pengetahuan dasar tentang machine learning dan deep learning.
  • Familiaritas dengan Python dan library seperti TensorFlow, Keras, atau PyTorch.
  • Pemahaman dasar tentang neural networks dan convolutional neural networks (CNN) akan sangat membantu.

Frequently asked question

Explainable AI (XAI) adalah pendekatan untuk membuat model AI lebih transparan dan dapat dijelaskan dengan memberikan wawasan tentang bagaimana model tersebut membuat keputusan.

Tidak, LIME dan SHAP adalah model-agnostic, artinya dapat digunakan untuk berbagai jenis model AI, termasuk model linear dan non-linear.

Grad-CAM membantu dalam visualisasi area gambar yang dianggap penting oleh model, memungkinkan Anda memahami apa yang dipelajari oleh model dari input gambar.

Pengetahuan dasar tentang CNN akan sangat membantu, terutama untuk memahami topik Visualisasi Layer dalam CNN dan Grad-CAM.

Dalam kursus ini, Anda akan belajar menggunakan Permutation Importance untuk mengetahui seberapa besar setiap fitur memengaruhi prediksi model.

ITS Academic

Free

Lectures

0

Skill level

Beginner

Expiry period

Lifetime

Related courses