전체교육일정
교육개요
AI 모델이 '왜'라는 질문에 답할 수 있도록, 이 과정은 재직자들을 설명 가능한 인공지능(XAI)의 세계로 안내합니다. LIME, SHAP, CNN 시각화 및 EBM 등을 통해, AI의 결정 과정을 명확히 이해하고 예측합니다. 직관적인 모델 해석으로 데이터에서 비즈니스 가치를 창출하는 실력을 갖추게 됩니다.
교육목표
인공지능 모델이 왜 그렇게 판단했는지 해석하는 방법을 학습합니다.
강의내용
[Chapter1. 모델에 대한 해석]
· 학습 목표
XAI의 정의, 필요성, 중요성, 그리고 XAI 연구 동향을 소개합니다.
· 주요 내용
1. 설명과 해석의 정의
2. 해석에 대한 어려움
3. XAI 개요
4., 해석가능한 모델과 변수 중요도
[Chapter2. Surrogate Model]
· 학습 목표
딥러닝 모델의 작동 방식을 이해하고, LIME, SHAP, LRP, CNN 시각화 등 다양한 모델 해석 방법을 합니다.
· 주요 내용
1. 대리(대체) 모델을 통한 해석
2. LIME(Local Interpretable Model-agnostic Explanation)
3. SHAP(Shapley Additive Explanations)
[Chapter3. DL모델 해석하기]
· 학습 목표
BM(Explainable Boosting Machine)과 같은 새로운 설명 가능한 모델의 개념과 특징을 소개합니다.
· 주요 내용
1. CNN 시각화
2. LRP(Layer-wise Relevance Propagation)
[Chapter4. 설명 가능한 새로운 모델]
· 학습 목표
XAI 기술의 발전 방향과 미래 전망을 논의합니다.
· 주요 내용
1. Glass-box Model : EBM(Explainable Boosting Machine)
2. 향후 XAI 전망