21
Responsible AI for Developers: Interpretability & Transparency - Polski
21
Responsible AI for Developers: Interpretability & Transparency - Polski
Na tym szkoleniu przedstawiamy koncepcje interpretowalności i przejrzystości AI. Omawiamy na nim, jak ważna jest przejrzystość AI dla deweloperów i inżynierów. Pokazujemy praktyczne techniki i narzędzia, które pomagają osiągnąć interpretowalność oraz przejrzystość zarówno w danych, jak i modelach AI.
Informacje o szkoleniu
Cele
- Definiowanie interpretowalności i przejrzystości w kontekście AI.
- Opisywanie znaczenia interpretowalności i przejrzystości AI.
- Poznanie narzędzi i technik wykorzystywanych do osiągnięcia interpretowalności i przejrzystości AI.
Wymagania wstępne
Praktyczna znajomość koncepcji i metod uczenia maszynowego. Praktyczna znajomość potoków i narzędzi do uczenia maszynowego. Doświadczenie w pracy z językami programowania takimi jak SQL i Python.
Odbiorcy
Programiści zajmujący się AI/ML, praktycy AI, inżynierowie ML, badacze danych
Dostępne języki
English, español (Latinoamérica), français, bahasa Indonesia, italiano, 日本語, 한국어, polski, português (Brasil), українська, 简体中文, 繁體中文, Deutsch oraz Türkçe
Co mogę zrobić po ukończeniu tego szkolenia?
Po ukończeniu szkolenia możesz zapoznać się z dodatkowymi materiałami ze swojej ścieżki szkoleniowej lub przejrzeć katalog.
Jakie odznaki mogę zdobyć?
Po szkoleniu otrzymasz odznakę potwierdzającą jego ukończenie. Odznaki możesz wyświetlać w swoim profilu i udostępniać w sieciach społecznościowych.
Chcesz wziąć udział w tym kursie u jednego z naszych partnerów udostępniających treści na żądanie?
Przejrzyj treści związane z Google Cloud w serwisie Coursera i Pluralsight.
Wolisz uczyć się z instruktorem?