강의 계획서
AI가 왜 그런 결과를 냈는지 원리를 파악하고 설명하는 설명가능한 인공지능(XAI)을 배워보는 강의입니다.
[어떤 것을 배우나요?]
•
결과가 눈에 보이는 기본 모델(선형회귀, 결정트리)부터 차근차근 익히기
•
SHAP, LIME 같은 핵심 기법으로 복잡한 AI 모델의 예측 근거 파악하기
•
파이썬 실습을 통해 실제 데이터에 설명 기법을 직접 적용하고 결과 해석해 보기
어떤 사람에게 추천하나요?
[이런 분께 추천합니다]
•
AI의 결과만 보는 것을 넘어 "왜 이런 결과가 나왔을까?"를 직접 설명하고 싶으신 분
•
AI 모델의 신뢰성과 투명성을 높이는 실무 기법을 파이썬으로 배워보고 싶으신 분
•
선행 요구 역량: 파이썬 기초와 머신러닝 기본 개념을 약간 알고 계시면 수강이 훨씬 수월합니다.
신청 전 확인하기!
•
기초 개념부터 시작하므로 입문자도 차근차근 따라오실 수 있습니다.
•
수업은 실시간 라이브를 원칙으로 하나, 상황에 따라 일부 회차는 녹화 영상으로 대체될 수 있습니다.
커리큘럼 (10주차)
1주차 | XAI 개요와 필요성 1 |
2주차 | XAI 개요와 필요성 2 |
3주차 | 그 자체로 해석 가능한 모델 학습 1 |
4주차 | 그 자체로 해석 가능한 모델 학습 2 |
5주차 | 특성이 예측에 미치는 효과를 분석하는 기법과 Shapley Value 학습 1 |
6주차 | 특성이 예측에 미치는 효과를 분석하는 기법과 Shapley Value 학습 2 |
7주차 | Feature Importance 개념 |
8주차 | LIME의 원리와 구조 |
9주차 | 반사실적 설명과 적대적 예제 학습 1 |
10주차 | 반사실적 설명과 적대적 예제 학습 2 |