Responsible AI Engineering: Fairness, Explainability, and Robustness (bằng tiếng Anh).

Xây dựng các hệ thống AI đáng tin cậy đòi hỏi nhiều hơn chỉ là độ chính xác cao; nó đòa hỏi sự chú ý cẩn thận đến công bằng, minh bạch và an ninh. Học các bước thực tế để xây dựng AI có trách nhiệm từ đầu. Vào cuối khóa học này, bạn sẽ hiểu các thành phần cốt lõi của Responsible AI và sở hữu khung cần thiết để tích hợp các kiểm tra thiết yếu - như phát hiện thiên vị và kiểm thử mạnh mẽ - trực tiếp vào chu kỳ học máy của bạn. Bạn sẽ học được: * Hiểu các nguyên tắc cơ bản của AI có trách nhiệm, các khung quản lý và các yêu cầu pháp lý mới. * Apply kỹ thuật để xác định và giảm bớt thiên vị thuật toán và đảm bảo công bằng mô hình trên các nhóm người dùng khác nhau. * Học cách thực hiện các phương pháp Explainable AI (XAI) để giải thích các quyết định mô hình phức tạp và xây dựng niềm tin của người dùng. * Các chiến lược thực hành để kiểm tra tính bền vững của mô hình chống lại sự trôi dạt dữ liệu phổ biến và tấn công đối kháng. * Cấu hình tài liệu mô hình toàn diện, bao gồm các Model Card tiêu chuẩn, cho tính minh bạch và tuân thủ. * Hợp nhất kiểm tra AI có trách nhiệm thiết yếu vào các luồng công việc tích hợp và triển khai liên tục để giám sát liên tục. Chương trình này bắt đầu bằng cách thiết lập thuật ngữ chính và các khung đạo đức trước khi chuyển sang giải thích tập trung vào mã thực tế về kỹ thuật kiểm tra và giảm nhẹ. Bạn sẽ đọc hướng dẫn chi tiết về việc lưu trữ và quản lý mô hình AI hiệu quả. Chương trình này được thiết kế cho người mới bắt đầu trong kỹ thuật học máy, khoa học dữ liệu và quản lý sản phẩm AI. Không cần kinh nghiệm trước với các công cụ AI có trách nhiệm cụ thể, chỉ cần hiểu cơ bản về các khái niệm học máy. Bắt đầu xây dựng các hệ thống AI không chỉ mạnh mẽ mà còn đáng tin cậy và đạo đức.