Lecture: Guest Lecture on Explainable Machine Learning (XAI)

Lecture: Guest Lecture on Explainable Machine Learning (XAI)

Administrative information

Title

 Guest Lecture on Explainable Machine Learning
Duration 60
Module C
Lesson Type Lecture
Focus Technical - Future AI
Topic Open Problems and Challenges

 

Keywords

Explainable AI,Interpretable models,Black Box models,Post-hoc,

 

 

Learning Goals

  • Understand the importance of XAI
  • Understand the difference between interpretable and explainable approaches
  • Identify XAI stakeholders
  • Understand the taxomony of XAI approaches
  • Be able to indentifiy XAI limitations and the future direction of XAI

 

Expected Preparation

Obligatory for Students

References and background for students

  • MIT 6.S191: Robust and Trustworthy Deep Learning - YouTube video

Recommended for Teachers

None.

 

Lesson materials

The materials of this learning event are available under CC BY-NC-SA 4.0.

 

Instructions for Teachers

This guest lecture should explain the importance of explainable AI and the benefits it brings to AI systems. The lecture should identify the stakeholders involved and how XAI can be beneficial for each group (engineers, end users, legislators). A distinction should be drawn between interpretable AI and explainable AI along with a discussion of why XAI may not be good enough in the long run. The lecture should identify the desired characteristics of explainability and should outline a taxonomy of XAI approaches. The lecture should end with a discussion of the limitations of exisitng XAI approaches and their future directions.

 

Outline

CeADAR tech talk: Towards Robust and Trustworthy AI
Duration Description
10 min Importance of Explainable AI (XAI)
10 min Interpretable and Explainable AI
10 min XAI Stakeholders
10 min Taxonomy of XAI approaches
10 min XAI Limitiations and Future Direction

 

More information

Click here for an overview of all lesson plans of the master human centred AI

Please visit the home page of the consortium HCAIM

Acknowledgements

The Human-Centered AI Masters programme was co-financed by the Connecting Europe Facility of the European Union Under Grant №CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.

The materials of this learning event are available under CC BY-NC-SA 4.0

 

The HCAIM consortium consists of three excellence centres, three SMEs and four Universities

HCAIM Consortium

  • Het arrangement Lecture: Guest Lecture on Explainable Machine Learning (XAI) is gemaakt met Wikiwijs van Kennisnet. Wikiwijs is hét onderwijsplatform waar je leermiddelen zoekt, maakt en deelt.

    Auteur
    HCAIM Consortium
    Laatst gewijzigd
    2024-02-14 22:34:37
    Licentie

    Dit lesmateriaal is gepubliceerd onder de Creative Commons Naamsvermelding-GelijkDelen 4.0 Internationale licentie. Dit houdt in dat je onder de voorwaarde van naamsvermelding en publicatie onder dezelfde licentie vrij bent om:

    • het werk te delen - te kopiëren, te verspreiden en door te geven via elk medium of bestandsformaat
    • het werk te bewerken - te remixen, te veranderen en afgeleide werken te maken
    • voor alle doeleinden, inclusief commerciële doeleinden.

    Meer informatie over de CC Naamsvermelding-GelijkDelen 4.0 Internationale licentie.

    Aanvullende informatie over dit lesmateriaal

    Van dit lesmateriaal is de volgende aanvullende informatie beschikbaar:

    Toelichting
    copy this template and fill in
    Eindgebruiker
    leerling/student
    Moeilijkheidsgraad
    gemiddeld
    Studiebelasting
    4 uur en 0 minuten

    Gebruikte Wikiwijs Arrangementen

    HCAIM Consortium. (z.d.).

    Acknowledgement

    https://maken.wikiwijs.nl/198386/Acknowledgement

    HCAIM Consortium. (z.d.).

    Lecture: Generative Models, Transform Deep Learning and Hybrid learning models

    https://maken.wikiwijs.nl/202197/Lecture__Generative_Models__Transform_Deep_Learning_and_Hybrid_learning_models

  • Downloaden

    Het volledige arrangement is in de onderstaande formaten te downloaden.

    Metadata

    LTI

    Leeromgevingen die gebruik maken van LTI kunnen Wikiwijs arrangementen en toetsen afspelen en resultaten terugkoppelen. Hiervoor moet de leeromgeving wel bij Wikiwijs aangemeld zijn. Wil je gebruik maken van de LTI koppeling? Meld je aan via info@wikiwijs.nl met het verzoek om een LTI koppeling aan te gaan.

    Maak je al gebruik van LTI? Gebruik dan de onderstaande Launch URL’s.

    Arrangement

    IMSCC package

    Wil je de Launch URL’s niet los kopiëren, maar in één keer downloaden? Download dan de IMSCC package.

    Meer informatie voor ontwikkelaars

    Wikiwijs lesmateriaal kan worden gebruikt in een externe leeromgeving. Er kunnen koppelingen worden gemaakt en het lesmateriaal kan op verschillende manieren worden geëxporteerd. Meer informatie hierover kun je vinden op onze Developers Wiki.

  • Gebruik
    Weergave
  • Wikiwijs is een dienst van