Model AI dan Pembelajaran Mesin yang Dapat Dijelaskan

Seiring dengan makin kompleksnya sistem kecerdasan buatan, memahami proses pengambilan keputusannya sangat penting untuk keamanan, kepatuhan, dan kepercayaan. Kursus ini akan memandu Anda melalui prinsip-prinsip dasar dan teknik-teknik praktis Explainable AI (XAI), sehingga membantu Anda mengubah algoritma yang tidak jelas menjadi sistem yang transparan di berbagai arsitektur. Apa yang akan Anda pelajari: Belajar terminologi inti dan dasar matematika dari transparansi model. Mengerti teknik atribusi fitur global dan lokal seperti SHAP dan LIME. Menganalisis model visual dan sekuensial termasuk CNNs, Transformers, dan LLMs. Mengevaluasi sistem AI untuk bias, keadilan, keamanan, dan keandalan operasional. Materi dimulai dengan definisi dasar dan mekanika model linear sebelum maju ke diagnostik jaringan saraf modern dan konsep probe LLM. Dirancang untuk pemula dalam ilmu data, analis, dan pengembang perangkat lunak, panduan berbasis teks ini tidak memerlukan latar belakang sebelumnya dalam menjelaskan.