21
Responsible AI for Developers: Interpretability & Transparency - 한국어
21
Responsible AI for Developers: Interpretability & Transparency - 한국어
이 과정에서는 AI 해석 가능성과 투명성의 개념을 소개합니다. 개발자와 엔지니어에게 AI 투명성이 얼마나 중요한지를 설명합니다. 데이터와 AI 모델 모두에서 해석 가능성과 투명성을 구현하는 데 도움이 되는 실용적인 방법과 도구를 살펴봅니다.
과정 정보
목표
- AI와 관련된 해석 가능성 및 투명성 정의
- AI의 해석 가능성 및 투명성이 갖는 중요성 설명
- AI에서 해석 가능성 및 투명성을 구현하기 위해 사용하는 도구와 기법 탐구
기본 요건
머신러닝 개념 및 관행에 관한 실무 지식. 머신러닝 파이프라인 및 도구에 관한 실무 지식. 기존에 SQL, Python 같은 프로그래밍 언어를 사용해 본 경험
대상
AI/ML 개발자, AI 실무자, ML 엔지니어, 데이터 과학자
사용할 수 있는 언어
English, español (Latinoamérica), français, bahasa Indonesia, italiano, 日本語, 한국어, polski, português (Brasil), українська, 简体中文, 繁體中文, Deutsch, Türkçe
과정을 완료한 후에는 어떻게 해야 하나요?
과정을 완료한 후 학습 과정 에서 다른 콘텐츠를 살펴보거나 학습 카탈로그 를 둘러보면 됩니다.
어떤 배지를 획득할 수 있나요?
과정을 완료하면 이수 배지가 주어집니다. 배지는 프로필에 표시되며 사회 연결망에서 공유할 수 있습니다.
Google의 주문형 파트너에서 제공하는 과정에 관심이 있으신가요?
Coursera 및 Pluralsight 에서 Google Cloud 콘텐츠를 살펴보세요.
강사 주도 강좌를 선호하시나요?