李宏毅机器学习2022春季-第九课和HW9

李宏毅2022课程视频全部以线上视频的形式给出（已经全部录好，你可以选择短时间全部学完），上课时间会直播讲解额外的内容（可以不听）和作业（建议一定要做），目前已更新到作业9。

第九课主要内容是Explainable AI，深度学习的可解释性。主要介绍了local explaination和global explaination，两种方法分别对单个样本的解释性和模型本身的解释性进行了分析，详细信息见课程视频。

• 课程视频：

  b站视频号：机器学习手艺人

  网址：https://www.bilibili.com/video/BV1Z34y1C7sj?spm_id_from=333.999.0.0

• Github：课堂和作业课件及基础代码

  网址：https://github.com/yaoweizhang/LHY2022-SPRING

作业九需要使用hw3和hw7的资料，资料获取方式可查看往期文章，文末有本次作业的助教代码和作业介绍文档的获得方式。

• 作业任务：

  CNN的可解释性。使用了hw3的Food Classification的模型和资料，一共有20个问题，包括Lime，Saliency Map，Smooth Grad，Filter Visualization，Integrated Gradients这5种方法。

  扫描二维码关注公众号，回复： 15655790 查看本文章

  BERT可解释性。使用了hw7的BERT模型相关资料,一共有10个问题，包括Attention Visualization，Embedding Visualization，Embedding Analysis这 3种方法。

• 提交地址：

  gradescope，非课程学生用不了。

  截止日期：

  2022/05/20 23:59（北京时间）。

• QQ交流群：156013866

作业九助教代码和数据获得方式：

1. 关注微信公众号 “机器学习手艺人” 

2. 后台回复关键词：202209