Explainability in Deep Learning: Demystifying Black-Box Models培訓

這種由 講師指導的 香港 現場培訓（在線或現場）面向希望增強對複雜 AI 模型的 XAI 技術的理解的高級專業人員。

在本次培訓結束時，參與者將能夠：

• 在 AI 模型中實施最先進的 XAI 技術。
• 解釋深度學習模型及其決策。
• 應用高級模型不可知和特定於模型的可解釋性方法。
• 解決與複雜系統中 AI 透明度相關的挑戰。

本課程涵蓋Automotive行業的AI（強調Machine Learning和Deep Learning ）。它有助於確定哪種技術（可能）在汽車的多種情況下使用：從簡單的自動化，圖像識別到自主決策。

本課程是為經理、解決方案架構師、創新官、首席技術官、軟體架構師以及任何對應用人工智慧概述及其發展的最新預測感興趣的人創建的。

This instructor-led, live training in 香港 (online or onsite) is aimed at beginner-level participants who wish to learn essential concepts in probability, statistics, programming, and machine learning, and apply these to AI development.

By the end of this training, participants will be able to:

• Understand basic concepts in probability and statistics, and apply them to real-world scenarios.
• Write and understand procedural, functional, and object-oriented programming code.
• Implement machine learning techniques such as classification, clustering, and neural networks.
• Develop AI solutions using rules engines and expert systems for problem-solving.

人工神經網路是一種計算數據模型，用於開發能夠執行“智慧”任務的 Artificial Intelligence (AI) 系統。Neural Networks 通常用於 Machine Learning （ML） 應用程式，這些應用程式本身就是 AI 的一種實現。Deep Learning 是 ML 的一個子集。

這是一個為期 4 天的課程，介紹人工智慧及其應用。完成本課程后，可以選擇額外有一天的時間來開展 AI 專案。 

這是一個為期 4 天的課程，介紹了 AI 及其使用 Python 程式設計語言的應用程式。完成本課程后，可以選擇額外有一天的時間來開展 AI 專案。 

This instructor-led, live training in 香港 (online or onsite) is aimed at intermediate-level data scientists and statisticians who wish to prepare data, build models, and apply machine learning techniques effectively in their professional domains.

By the end of this training, participants will be able to:

• Understand and implement various Machine Learning algorithms.
• Prepare data and models for machine learning applications.
• Conduct post hoc analyses and visualize results effectively.
• Apply machine learning techniques to real-world, sector-specific scenarios.

人工神經網絡是一種計算數據模型，用於開發能夠執行“智能”任務的Artificial Intelligence (AI)系統。 Neural Networks通常用於Machine Learning （ML）應用程序，它們本身就是AI的一種實現。 Deep Learning是ML的一個子集。

這種由 講師指導的 香港 現場培訓（在線或現場）面向希望使用 Chainer 在 Python 中構建和訓練神經網路，同時使代碼易於調試的研究人員和開發人員。

在本次培訓結束時，參與者將能夠：

• 設置必要的開發環境以開始開發神經網路模型。
• 使用易於理解的原始程式碼定義和實現神經網路模型。
• 執行範例並修改現有演算法以優化深度學習訓練模型，同時利用 GPU 實現高性能。

This instructor-led, live training in 香港 (online or onsite) provides an introduction into the field of pattern recognition and machine learning. It touches on practical applications in statistics, computer science, signal processing, computer vision, data mining, and bioinformatics.

By the end of this training, participants will be able to:

• Apply core statistical methods to pattern recognition.
• Use key models like neural networks and kernel methods for data analysis.
• Implement advanced techniques for complex problem-solving.
• Improve prediction accuracy by combining different models.

This instructor-led, live training in 香港 (online or onsite) is aimed at developers and data scientists who wish to learn the fundamentals of Deep Reinforcement Learning as they step through the creation of a Deep Learning Agent.

By the end of this training, participants will be able to:

• Understand the key concepts behind Deep Reinforcement Learning and be able to distinguish it from Machine Learning.
• Apply advanced Reinforcement Learning algorithms to solve real-world problems.
• Build a Deep Learning Agent.

這種由講師指導的現場培訓<本地>（在線或現場）面向希望學習可解釋 AI 基礎知識及其在開發負責任的 AI 系統中的作用的初級專業人員。

在本次培訓結束時，參與者將能夠：

• 了解可解釋的 AI 的基本概念。
• 探索透明度和可解釋性在 AI 模型中的重要性。
• 瞭解使 AI 模型可解釋的基本技術。
• 將 XAI 技術應用於簡單的機器學習模型。

這種由講師指導的 香港 現場培訓（在線或現場）面向希望應用可解釋 AI 技術來確保公平、透明和合乎道德的 AI 系統的中級專業人員。

在本次培訓結束時，參與者將能夠：

• 瞭解 XAI 在合乎道德的 AI 系統中的作用。
• 實施 XAI 技術來檢測和緩解 AI 模型中的偏差。
• 確保 AI 模型決策過程的透明度。
• 使 AI 開發與道德和監管標準保持一致。

這種由講師指導的現場培訓<本地>（在線或現場）面向希望在實際應用中實施透明 AI 系統的中高級專業人員。

在本次培訓結束時，參與者將能夠：

• 瞭解 AI 模型中透明度的重要性。
• 實施高級 XAI 技術來解釋複雜模型。
• 使用 SHAP、LIME 和其他工具增強模型透明度。
• 解決 AI 模型中的道德問題和公平性。