Formation Explainable AI (XAI)
| 1690€ HT / personne |
| 2 jours (14 heures) |
Présentation
Le expainable AI (XAI) est l’ensemble de techniques et bonnes pratiques qui vous permettra d’interpréter vos modèles de machine learning.
Année après année, les modèles sont de plus en plus performants. En revanche, ceux-ci sont plus complexes que jamais et souvent qualifiés de « boites noires » par les équipes métiers.
Avec l’arrivée d’applications IA dans des cas d’usage toujours plus critiques, le besoin d’interprétation devient un enjeu majeur afin de pouvoir assurer des applications transparentes, éthiques et de confiance.
Le expainable AI (XAI) est un ensemble de techniques et de modèles récentes permettant d’interpréter les modèles de machine learning les plus complexes.
Au cours de cette formation, découvrez comment mettre en œuvre les techniques d’interprétabilité les plus avancées avec des frameworks variés tels que SHAP et LIME. Vous appliquerez ces techniques à des cas d’usage variés avec notamment une attention particulière aux modèles d’analyse d’image (CNN).
Objectifs
- Appréhender l’importance de l’interprétabilité et quand la mettre en place
- Comprendre la taxonomie et les grandes familles de techniques d’explainable AI (XAI)
- Mettre en œuvre ces techniques sur des cas d’usages de machine learning supervisé (PDP, LIME, SHAP, permutation, importance, etc…)
- Comprendre les bonnes pratiques d’implémentation en contexte professionnel
Public visé
- Data Analyst
- Data Scientist
- Data Engineer
- Machine learning engineer
- Développeurs
- Architectes Big Data
- Lead Developer
Pré-requis
- Connaissance de Python
- Connaissance générale machine learning supervisé
- Connaissances en mathématiques générales (probabilités, statistiques…)
Programme de notre formation Explainable AI (XAI)
JOUR 1 – Matin
Interprétation des modèles de machine learning
- L’importance de l’interprétation
- Évaluer la criticité d’un cas d’usage
- Vision d’ensemble et taxonomie des techniques de XAI
Les méthodes globales et agnostiques
- Partial dépendance plots
- Accumulated local effects
- Permutation feature importance
- Avantages et inconvénients
- Lab : application à un cas d’usage concret avec scikit-learn et elie5
JOUR 1 – Après-midi
Les méthodes globales et agnostiques
- Local surrogate (LIME)
- Counterfactual explanations
- Framework des valeurs de Shapley et SHAP
- Lab : application à un à un cas d’usage deep learning d’analyse d’images.
Application en pratique
- Extension à d’autres cas d’usage (séries temporelles, NLP…)
- Implémentation en contexte professionnel
- Revue des bonnes et mauvaises pratiques
- Synthèse de la formation
Pour aller plus loin
Formation Intelligence Artificielle
Formation TensorFlow
Formation IA : outils et enjeux
Langues et Lieux disponibles
Langues
- Français
- Anglais / English
Lieux
-
France entière
- Paris
- Lille
- Reims
- Lyon
- Toulouse
- Bordeaux
- Montpellier
- Nice
- Sophia Antipolis
- Marseille
- Aix-en-Provence
- Nantes
- Rennes
- Strasbourg
- Grenoble
- Dijon
- Tours
- Saint-Étienne
- Toulon
- Angers
-
Belgique
- Bruxelles
- Liège
-
Suisse
- Genève
- Zurich
- Lausanne
-
Luxembourg
Nos Formateurs Référents
Thibaud
Expert en machine learning. Thibaud intervient en formation professionnelle ainsi qu’à l’université Paris-Dauphine ou l’école d’ingénieurs ESIEE Paris. Son point fort ? Des formations fortement axées sur la pratique pour une meilleure acquisition et application des compétences.
Témoignages
⭐⭐⭐⭐⭐ 4,8/5 sur Google My Business. Vous aussi, partagez votre expérience !
Afficher tous les témoignages
⭐⭐⭐⭐⭐ 4,8/5 sur Google My Business. Vous aussi, partagez votre expérience !
Noter la formation
| 1690€ HT / personne |
| 2 jours (14 heures) |
UNE QUESTION ? UN PROJET ? UN AUDIT DE CODE / D'INFRASTRUCTURE ?
Pour vos besoins d’expertise que vous ne trouvez nulle part ailleurs, n’hésitez pas à nous contacter.
ILS SE SONT FORMÉS CHEZ NOUS
