Wyjaśnialne uczenie maszynowe 1000-319bEML

- Wprowadzenie do wyjaśnialnej sztucznej inteligencji, interpretowalnego uczenia maszynowego i zagadnienia dyskryminacji
- Metody analizy warunkowej modeli predykcyjnych: metoda Break-Down, Break-Down z interakcjami, SHAP, ASV
- Metody analizy modeli przez perturbacje: metoda LIME, LORE
- Metody analizy modeli contekstowych i testowania wrażliwości modeli: Ceteris Paribus, Partial Dependence, Accumulated Local Effects
- Metody oceny ważności zmiennych: Variable Importance by Pertmutations, Model Class Reliance
- Sprawiedliwość i stronniczość
- Objaśnienia specyficzne dla sieci neuronowych