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:
-
关注微信公众号 “机器学习手艺人”
-
后台回复关键词:202209