Search
As more businesses deploy AI, it’s critical to understanding how these models work so that decisions can be understood, and systems can be trusted. Dr. Shou-De Lin, Appier’s Chief Machine Learning Scientist, sheds light on how explainable AI takes the black box of AI, and makes it into a glass box. Read now! 🤓👇👇
#XAI #ExplainableAI #AI #machinelearning #marketing #thoughtleadership
#數位時代 第二屆「MarTech行銷科技高峰會」圓滿落幕，#Appier 很開心有機會跟行銷科技之父Scott Brinker、Netflix、LINE、UNIQLO、偉門智威、中國信託銀行和TutorABC等講者同台，分享 #Martech 與 #AI 未來應用的趨勢。
個人化行銷 (#Personalizedmarketing)、消費者行為預測 (#UserBehaviorPrediction)、對話式商務(#ConversationalCommerce) 和 異質化資料整合(#HeterogeneousDataIntegration) 將是接下來人工智慧刺激 MarTech 發展的四大重點領域；而自動化機器學習(#AutoMachineLearning)與 AI的可解釋性 (#ExplainableAI) 則是兩大有待克服的難題，也是接下來應用MarTech能觀察的重點。歡迎點選文章了解更多精彩內容！🔎
【#技術部落格】解釋結構化資料的模型預測（上）
完整文章看這邊👉http://sc.piee.pw/RP4TY
-
本篇文章將詳細介紹並舉例如何在 #AutoML Tables 上將 #Explainable AI 與表格式資料 ( tabular data ) 一起使用。
資料科學家已經能用 #更加精準的模型 來處理各種難解的問題。
然而，模型的複雜度與精準度直接相關，而複雜度又會使得調整模型更具挑戰性。為了解決這項挑戰，Google Cloud 於 2019 年 11 月推出 #Explainable AI。Explainable AI 旨在幫助資料科學家 #除錯、#改善 模型效果並提供 #insights，讓資料科學家使用上更方便。
-
完整文章連結👉http://sc.piee.pw/RP4TY
-
#數位轉型就找iKala #Google #GoogleCloud #iKalaCloud #iKala #AutoMLTables #ExplainableAI #結構化資料 #模型預測
「人工智慧」並非遙不可及，但如果你現在還離它有點遠，那就先從「已經在接觸AI的人」的生活日常認識起吧！
專訪「台灣人工智慧學校」 (簡稱AIA) 第一期技術班的班代表 陳宇春！(下集)
1:48 DARPA XAI Program：https://www.darpa.mil/program/explainable-artificial-intelligence
2:29 「為什麼AI需要被解釋」的四個理由：https://medium.com/trustableai/%E5%AE%83%E6%98%AF%E6%80%8E%E9%BA%BC%E7%9F%A5%E9%81%93%E7%9A%84-%E8%A7%A3%E9%87%8B%E6%B7%B1%E5%BA%A6%E5%AD%B8%E7%BF%92%E6%A8%A1%E5%9E%8B-f18f57d18d4f
3:02 「L.I.M.E.」：https://medium.com/@kstseng/lime-local-interpretable-model-agnostic-explanation-%E6%8A%80%E8%A1%93%E4%BB%8B%E7%B4%B9-a67b6c34c3f8
3:21 「Neuron Deletion」：https://www.leiphone.com/news/201803/PJH0q2tj8d3jvVIk.html
#AI
#XAI
#解釋性AI
#解釋性人工智慧
#AI黑盒子
#人工智慧
#ArtificialIntelligence
#LIME
#DARPAXAIProgram
#為什麼AI需要被解釋
#NeuronDeletion
#隱藏層
#透明層
#神經網路
#hiddenlayer
#neuralnetwork
#ExplainableAI
