XAI (Explainable AI) 説明可能なAIの基本とその活用

XAIへの理解は、今後のAIの産業分野への適用の際に、無くてはならないものとなります。AIはなぜその結果を出したのか?を問われるケースは必ずやってくるからです。 　そこで、この講座の前半では、XAIの基本的な考え方と、機械学習・ディープラーニングの基本を整理・概観します。データ分析の未経験者でもわかるように可能な限り数式を排して説明します。また、後半はフレームワーク、ライブラリを使用し実際にXAIライブラリを動かしながら、その動きを確認します。 　XAIは、AI分野の中でも、まだまだ発展途中です。しかしながら、その基本は変わりません。まずは、この講座を通じて、XAIの基本を理解しましょう。そして、業務課題の解決にAIの導入を是非検討ください。きっとお役にたてると思います。

1. XAI (Explainable AI) 説明可能なAIとは
   1. 説明可能とは
   2. 対局説明
   3. 局所説明
   4. 業務の中でどういかしていくか?
2. 統計と機械学習/ディープラーニング
   1. ベクトルとは
   2. 統計処理
   3. 機械学習と統計
3. 様々なデータのベクトル化
   1. 画像
   2. 音・振動
   3. 言語
4. ディープラーニング
   1. ディープラーニングとは
      1. パーセプトロン
      2. ニューラルネットワーク
      3. ディープニューラルネットワーク
   2. 学習の種類
      1. 教師あり学習の基本
      2. 教師なし学習の基本
5. XAIの様々なライブラリ
   1. LIME
   2. Integrated Gradients
   3. Attention
6. 環境の構築
   1. Python環境
      1. Anaconda
         1. Anaconda ダウンロード
         2. Anaconda インストール方法と注意事項
         3. python起動方法 (コマンドライン・jupyterNotebook)
      2. pytorch
         1. pytorch インストール方法と注意事項
         2. pytorchの概要
7. 実践
   1. LIMEで画像分類を確認する
   2. Integrated Gradientsで画像分類を確認する
8. (再び) XAI (Explainable AI) 説明可能なAIとは
   1. 納得感
   2. 業務の中でどういかしていくか?