مدل های یادگیری عمیق قابل توضیح برای مراقبت های بهداشتی - CDSS 3
شروع یا ادامه دوره

coursera مدل های یادگیری عمیق قابل توضیح برای مراقبت های بهداشتی - CDSS 3 (Mitalearn-334217)

  • مدت زمان: 3 ساعت 10 دقیقه
  • انتشار: 23 June 2026
  • مدرس: Fani Deligianni
  • سطح: متوسط
  • محتوا‌ها: 42
  • زیرنویس فارسی دارد
درباره این دوره:

این دوره به معرفی مفاهیم تفسیرپذیری و توضیح پذیری در کاربردهای یادگیری ماشین می پردازد. یادگیرنده تفاوت بین توضیحات کلی، محلی، مدل-آگنوستیک و مدل خاص را درک خواهد کرد. روش‌های توضیح‌پذیری پیشرفته مانند اهمیت ویژگی جایگشت (PFI)، توضیح‌های محلی قابل تفسیر مدل-آگنوستیک (LIME) و توضیح افزودنی SHapley (SHAP) توضیح داده شده‌اند و در طبقه‌بندی سری‌های زمانی اعمال می‌شوند. متعاقباً، توضیحات خاص مدل مانند نگاشت فعال‌سازی کلاس (CAM) و CAM با وزن گرادیان توضیح و پیاده‌سازی می‌شوند. فراگیران اسناد بدیهی و چرایی اهمیت آنها را درک خواهند کرد. در نهایت، مکانیسم‌های توجه قرار است بعد از لایه‌های بازگشتی گنجانده شوند و وزن‌های توجه برای تولید توضیحات محلی مدل تجسم خواهند شد.

مهارت‌های مرتبط

Data Science Machine Learning attention mechanisms explainable machine learning models global and local explanations interpretability vs explainability model-agnostic and model specific models

  • محتوا

    • Announcements

  • Content

    • Explainable deep learning models for healthcare - CDSS 3