课代表总结了可解释机器学习公开课的信息👍👍👍

视频内容:

1️⃣主要内容✍️

2️⃣选择人工智能研究方向的建议📄

3️⃣为什么要学可解释机器学习🏷️

4️⃣深度学习可解释性研究📑

视频内容:

1️⃣主要内容✍️

• 什么是可解释人工智能?
• 学可解释机器学习有什么用?

·各行各业应用

·交叉研究方向

· Machine Teaching :人工智能教人类学习

·细粒度图像分类

·对抗样本与信息安全

• ·本身可解释性好的机器学习模型
• ·传统机器学习算法的可解释性分析
• ·深度学习(CV、NLP)可解释性分析
• ·卷积神经网络的可解释性分析
• ·复盘总结与扩展阅读
• 

  00:59

  
• 
  

2️⃣选择人工智能研究方向的建议📄

尽可能通用，与其它研究方向交叉

顺应主流发展趋势，长期存在且有用

有高质量的数据集

不过分小众，但也好发paper，没有疯狂内卷

能应用到产业界垂直细分行业

有商业应用价值，容易“讲故事”

3️⃣为什么要学可解释机器学习🏷️

研究Al的脑回路，就是研究Al的本质。

可解释分析是机器学习和数据挖掘的通用研究方法。

和所有Al方向交叉融合︰数据挖掘、计算机视觉、自然语言处理、强化学习、知识图谱、联邦学习。

包括但不限于∶大模型、弱监督、缺陷异常检测、细粒度分类、决策AI和强化学习、图神经网络、Al纠偏、Al4Science、MachineTeaching、对抗样本、可信计算、联邦学习。

4️⃣深度学习可解释性研究📑

需求

定义

评价指标

典型方法

未来方向