InterpretableMachineLearning2021:UoW上的“可解释性机器学习”的讲义。 夏季学期2020202...

2021年可解释的机器学习 “可解释性机器学习”的。 2020/2010夏季学期 此课程的松弛时间： ： XAI故事电子书（去年）： : 介绍 该课程包括讲座，计算机实验室和一个项目。 本课程为选修课。 通过规则似乎是不规范的。 确保您了解它们，以免造成不愉快的后果。 我相信，构建ML / XAI模型的最重要技能之一就是灵活性和主动解决问题的方法。 在此课程中，评估标准将极大地奖励灵活性和积极主动的方法。 设计原则 本课程的设计基于四个原则： 学习过程中的混合经验是很好的。 它可以让您产生更多的想法。 此外，在混合小组中，我们可以提高沟通技巧， 在XAI中，解决方案的界面/美学很重要。 像早期的HCI（人机交互）一样，XAI处于技术，领域和认知方面的边界。 因此，除了纯粹的技术描述外，结果还必须以该领域为基础，并且要在美学和清晰的基础上进行传达， 结果沟通很重要。 无论是