Machine Learning Explanations: LIME

Machine Learning Explanations: LIME

Machine Learning Explanations: LIME

Panoramica

Il Machine Learning, letteralmente Apprendimento Automatico, è un termine con cui si indica il processo con cui un programma è in grado di apprendere e diventare più intelligente nel tempo.

Si intende il processo di un computer che modella l’intelligenza umana e migliora autonomamente nel tempo. Le macchine sono in grado di fare previsioni sul futuro in base a ciò che hanno osservato e appreso in passato e riescono ad applicarlo per diventare sempre più intelligenti.

Il Machine Learning, letteralmente Apprendimento Automatico, è un termine con cui si indica il processo con cui un programma è in grado di apprendere e diventare più intelligente nel tempo.

Si intende il processo di un computer che modella l’intelligenza umana e migliora autonomamente nel tempo. Le macchine sono in grado di fare previsioni sul futuro in base a ciò che hanno osservato e appreso in passato e riescono ad applicarlo per diventare sempre più intelligenti.

Cosa Imparerai nel corso?

Cosa Imparerai nel corso?

Ti sarà insegnato ad avere una buona comprensione della logica degli algoritmi utilizzati nei diversi contesti delle Intelligenze Artificiali per la risoluzione delle problematiche.

In questo corso tratteremo una delle tecniche di spiegazione più utilizzate: LIME.

Questo metodo permette di ottenere una spiegazione della logica con cui ogni singolo individuo del dataset è stato previsto.

LIME funziona su qualsiasi modello di previsione.

Capiremo come LIME funziona da un punto di vista geometrico e comprenderemo come la tecnica di spiegazione può valere per tutti i tipi di modelli.

Entreremo poi nel dettaglio del metodo, analizzando la tecnica applicata ai dati tabulari e illustrando nel dettaglio i vari steps del metodo.

Dopo avere analizzato a fondo il metodo di base, passeremo ad analizzare frameworks che migliorano le spiegazioni di LIME, in particolare il più promettente di questi è OptiLIME, che garantisce di ottenere spiegazioni più stabili e più affidabili.

Infine verrà mostrato come applicare il metodo anche a dati relativi a testo e immagini.

Ti sarà insegnato ad avere una buona comprensione della logica degli algoritmi utilizzati nei diversi contesti delle Intelligenze Artificiali per la risoluzione delle problematiche.

In questo corso tratteremo una delle tecniche di spiegazione più utilizzate: LIME.

Questo metodo permette di ottenere una spiegazione della logica con cui ogni singolo individuo del dataset è stato previsto.

LIME funziona su qualsiasi modello di previsione.

Capiremo come LIME funziona da un punto di vista geometrico e comprenderemo come la tecnica di spiegazione può valere per tutti i tipi di modelli.

Entreremo poi nel dettaglio del metodo, analizzando la tecnica applicata ai dati tabulari e illustrando nel dettaglio i vari steps del metodo.

Dopo avere analizzato a fondo il metodo di base, passeremo ad analizzare frameworks che migliorano le spiegazioni di LIME, in particolare il più promettente di questi è OptiLIME, che garantisce di ottenere spiegazioni più stabili e più affidabili.

Infine verrà mostrato come applicare il metodo anche a dati relativi a testo e immagini.

Struttura delle lezioni

Struttura delle lezioni

Deep Learning Italia struttura le sue lezioni in maniera molto semplice: all’interno di ogni sezione ci sono video esplicativi, in cui il docente spiega la lezione, corredati da slides. Vengono proposti esercizi mirati per testare ciò che si è appreso e viene richiesto al discente di mettere in pausa la riproduzione e provare a fare l’esercizio, prima di ascoltare la soluzione.

Sarà fortemente presente una componente applicativa, in quanto imparerai varie tecniche e di ognuna descriveremo prima il funzionamento a livello teorico e poi le testeremo su dati e modelli reali tramite notebook in Python.

Deep Learning Italia struttura le sue lezioni in maniera molto semplice: all’interno di ogni sezione ci sono video esplicativi, in cui il docente spiega la lezione, corredati da slides. Vengono proposti esercizi mirati per testare ciò che si è appreso e viene richiesto al discente di mettere in pausa la riproduzione e provare a fare l’esercizio, prima di ascoltare la soluzione.

Sarà fortemente presente una componente applicativa, in quanto imparerai varie tecniche e di ognuna descriveremo prima il funzionamento a livello teorico e poi le testeremo su dati e modelli reali tramite notebook in Python.

Chi può seguire il corso?

Chi può seguire il corso?

Chi ha una mente aperta e predisposta all’analisi: le lezioni sono adatte a chiunque ma è necessario avere passione per i numeri e i calcoli, oltre che tanta pazienza.

Chi lavora anche full time: se sei un lavoratore full time non ti preoccupare! Potrai seguire le lezioni in completa autonomia nel tuo tempo libero.

Chi vuole crescere professionalmente: Se vuoi elevare la tua carriera Deep Learning Italia ti da l’opportunità di poterlo fare a costi contenuti.

Chi ha una mente aperta e predisposta all’analisi: le lezioni sono adatte a chiunque ma è necessario avere passione per i numeri e i calcoli, oltre che tanta pazienza.

Chi lavora anche full time: se sei un lavoratore full time non ti preoccupare! Potrai seguire le lezioni in completa autonomia nel tuo tempo libero.

Chi vuole crescere professionalmente: Se vuoi elevare la tua carriera Deep Learning Italia ti da l’opportunità di poterlo fare a costi contenuti.

Programma
  • Document Ranking e Text Manipulation (48:19)
  • Interpretazione geometrica dei modelli
  • Algoritmi interpretabili Parte 1
  • Algoritmi interpretabili Parte 2
  • Paradigmi di interpretabilità
  • Modelli surrogati
  • Interpretazione model agnostic Parte 1
  • Interpretazione model agnostic Parte 2
  • Notebook Parte 1
  • Notebook Parte 2
  • Notebook Parte 3
  • LIME Parte 1
  • LIME Parte 2
  • LIME Parte 3
  • LIME Parte 4
  • Dettagli di LIME Parte 1
  • Dettagli di LIME Parte 2
  • Dettagli di LIME Parte 3
  • Dettagli di LIME Parte 4
  • Dettagli di LIME Parte 5
  • Step di generazione dei punti
  • Step di pesatura dei punti
  • Step di generazione del modello locale
  • Ricapitolazione
  • Notebook
  • Instabilità Parte 1
  • Instabilità Parte 2
  • DLIME
  • Località 
  • OptiLIME
  • Notebook OptiLIME
  • Word Embedding
  • Similarità coseno Parte 1
  • Similarità coseno Parte 2
  • LIME per dati testuali Parte 1
  • LIME per dati testuali Parte 2
  • Notebook dati testuali Parte 1
  • Notebook dati testuali Parte 2
  • Superpixel
  • LIME per immagini
  • Notebook immagini
  • Document Ranking e Text Manipulation (48:19)
  • Interpretazione geometrica dei modelli
  • Algoritmi interpretabili Parte 1
  • Algoritmi interpretabili Parte 2
  • Paradigmi di interpretabilità
  • Modelli surrogati
  • Interpretazione model agnostic Parte 1
  • Interpretazione model agnostic Parte 2
  • Notebook Parte 1
  • Notebook Parte 2
  • Notebook Parte 3
  • LIME Parte 1
  • LIME Parte 2
  • LIME Parte 3
  • LIME Parte 4
  • Dettagli di LIME Parte 1
  • Dettagli di LIME Parte 2
  • Dettagli di LIME Parte 3
  • Dettagli di LIME Parte 4
  • Dettagli di LIME Parte 5
  • Step di generazione dei punti
  • Step di pesatura dei punti
  • Step di generazione del modello locale
  • Ricapitolazione
  • Notebook
  • Instabilità Parte 1
  • Instabilità Parte 2
  • DLIME
  • Località 
  • OptiLIME
  • Notebook OptiLIME
  • Word Embedding
  • Similarità coseno Parte 1
  • Similarità coseno Parte 2
  • LIME per dati testuali Parte 1
  • LIME per dati testuali Parte 2
  • Notebook dati testuali Parte 1
  • Notebook dati testuali Parte 2
  • Superpixel
  • LIME per immagini
  • Notebook immagini
Docenti
giorgio visani
Descrizione Docenti

Giorgio Visani, laureato in Scienze Statistiche all’Università di Bologna ed è stato ricercatore presso lo stesso ateneo, è esperto di Machine Learning e tecniche di spiegazione. Ha lavorato come Data Scientist presso Crif SpA, dove si occupa di sviluppo di tecniche di Artificial Intelligence e delle relative tecniche di spiegazione, legate all’ambito bancario. È attualmente Dottorando presso l’Università di Bologna, dipartimento di Ingegneria Informatica, dove si occupa principalmente dei seguenti ambiti: metodi di spiegazione per tecniche di Artificial Intelligence, studio della Causalità nelle basi di dati e metodi per imporre le strutture causali nei modelli di Machine Learning.

Vantaggi
  • Puoi seguire il corso dove e quando vuoi: Deep Learning, infatti, ti offre l’opportunità di accedere alla piattaforma in qualsiasi momento tu abbia voglia e possibilità di studiare. Basta semplicemente un dispositivo elettronico e una connessione internet!

  • Troverai sempre materiale nuovo e lezioni aggiornate: i nostri professori ti forniranno moltissimo materiale per supportare i tuoi studi e aggiorneranno periodicamente la piattaforma con nuove slides o con nuovi moduli;

  • Nei nostri corsi troverai sempre una componente interattiva per stimolare l‘apprendimento: giochi, quiz, podcast e tanto altro ti aiuteranno a migliorare e a rendere la tua formazione unica;

  • Non sarai mai solo! Avrai a disposizione la nostra community per metterti in contatto con altri studenti.

  • A fine percorso riceverai una certificazione che potrai aggiungere al tuo CV e che ti darà la possibilità di farti notare da grandi aziende del settore;

  • Se lo vorrai, Deep Learning Italia, ti potrà aiutare a trovare lavoro mettendoti in contatto con le nostre aziende partner.

  • Puoi seguire il corso dove e quando vuoi: Deep Learning, infatti, ti offre l’opportunità di accedere alla piattaforma in qualsiasi momento tu abbia voglia e possibilità di studiare. Basta semplicemente un dispositivo elettronico e una connessione internet!

  • Troverai sempre materiale nuovo e lezioni aggiornate: i nostri professori ti forniranno moltissimo materiale per supportare i tuoi studi e aggiorneranno periodicamente la piattaforma con nuove slides o con nuovi moduli;

  • Nei nostri corsi troverai sempre una componente interattiva per stimolare l‘apprendimento: giochi, quiz, podcast e tanto altro ti aiuteranno a migliorare e a rendere la tua formazione unica;

  • Non sarai mai solo! Avrai a disposizione la nostra community per metterti in contatto con altri studenti.

  • A fine percorso riceverai una certificazione che potrai aggiungere al tuo CV e che ti darà la possibilità di farti notare da grandi aziende del settore;

  • Se lo vorrai, Deep Learning Italia, ti potrà aiutare a trovare lavoro mettendoti in contatto con le nostre aziende partner.

  • Accesso al corso life long
  • Accesso al corso life long
Play Video
80,00 
Durata
4:52 ore
Quiz
1
Accesso life long
Si
Certificato
Si
slide, github, dataset
Si
esercitazioni
Si
Prodotti Correlati
Torna in alto