～ 機械学習モデルの構築、グローバル解釈の具体的手法（PFI・PDP・ALE・Surrogate Model）、ローカル解釈の具体的手法（BreakDown・SHAP・ICE）、製造業における活用事例、PythonライブラリDALEXによるデモ ～
・代表的なXAI手法の特徴と目的に応じた選定法や組み合わせ方法を、Pythonライブラリのデモを通して実践的に修得する講座！
・モデル非依存のXAI手法の特徴と使い方を、数式ではなく、応用事例やPythonのデモを通して修得し、説明可能なデータ解析に基づく予測や改善策、品質保証に活かそう！
・DALEX（Diverse And eXplainable）はPythonのライブラリで、機械学習モデルの予測結果を解釈し、理解しやすい形で可視化するためのツールです。
AI モデルの「精度」だけでなく、「なぜそう予測したのか」が現場改善や品質保証の鍵となります。本研修では、Python で動く DALEX を中心に、ブラックボックスモデルの内部を可視化し、関係者が納得できる形で意思決定を支援する方法をお伝えします。
具体的な事例を通じて、実践的なスキルを修得していただきます。XAIの基礎から応用まで、一緒に学んでいきましょう。
| 開催日時 |
|
|---|---|
| 開催場所 | オンラインセミナー |
| カテゴリー | オンラインセミナー、ソフト・データ・画像・デザイン |
| 受講対象者 |
・データ解析に携わる方で、XAIに関心がある方 ・PythonライブラリのDALEXを活用したい方 ・不良判定や異常検知を例に説明するが、他の目的の方も歓迎 |
| 予備知識 | ・Pythonの初歩的な知識 |
| 修得知識 |
・手元にあるデータに適した XAI 手法の特徴と選定ポイントを把握できる ・モデルに依存しない、グローバル解釈およびローカル解釈の手法を修得できる ・XAIを用いAIの結果を品質改善や保全検討に活かす際のヒントを得られる |
| プログラム |
１．機械学習モデルの構築 （１）．テーブルデータの分類 （２）．テーブルデータ系のアルゴリズム（機械学習モデル） （３）．評価指標例 （４）．主な機械学習アルゴリズムと特徴量エンジニアリング
２．XAIの基礎 （１）．ブラックボックス vs ホワイトボックス ａ．決定木・線形回帰など解釈しやすいモデル ｂ．ランダムフォレスト・XGBoost・DNN など高性能モデル （１）．XAIの2つのアプローチ ａ．グローバル解釈 ｂ．ローカル解釈 （３）．主要なXAIの全体像 ａ．モデル非依存のグローバル解釈（本講座の３章） ｂ．モデル非依存のローカル解釈（本講座の４章） ｃ．モデル依存のグローバル解釈 ｄ．モデル依存のローカル解釈 （４）．DALEX ライブラリの特徴と使い方
３．グローバル解釈の具体的手法と活用ポイント ～汎用的・全体的な傾向を把握する手法～ （１）．４つの手法の特徴と用途、注意点 ａ．PFI (Permutation Feature Importance：順列特徴量重要度) ｂ．PDP (Partial Dependence Plot：偏微分依存プロット) ｃ．ALE (Accumulated Local Effects：蓄積局所効果) ｄ．Surrogate Model (大域的な代理モデル) （２）．講師推奨の分析フロー （３）．Python DALEX ライブラリによるデモ
４．ローカル解釈の具体的手法と活用ポイント ～個別予測を詳細に説明する～ （１）．ローカル解釈の活用事例 （２）．３つの手法の特徴と用途、注意点 ａ．BreakDown (内訳) ｂ．SHAP (SHapley Additive exPlanation) ｃ．ICE (Individual Conditional Expectation: 個別条件付き期待値) （３）．シャープレイ値 （４）．製造業の事例：BreakDown とSHAP （５）．講師推奨の分析フロー （６）．実務での報告書作成（AIの判断を見える化） （７）．Python DALEX ライブラリによるデモ
５．ケーススタディによる応用事例 （１）．不良品判定：現場が納得する説明ストーリー ａ．実務上の要求とグローバル解釈手法の適用 ・どのパラメータを重視するか ・パラメータの最適値は ・簡単な判定ルールの作り方 ・３つの問いに応じるためのグローバル解釈手法 ｂ．ローカル解釈から見えるパターン （２）．設備予知保全：異常検知モデルの根拠提示 ａ．データの読み込み→故障予測モデル→XAI分析 ｂ．予知保全の実装時の留意点 （３）．Python DALEX ライブラリによるデモ |
| キーワード |
ブラックボックス ホワイトボックス 説明可能AI 予知保全 不良品判定 PFI PDP ALE Surrogate Model BreakDown SHAP ICE |
| タグ | データ解析、データ分析 |
| 受講料 |
一般 (1名)：49,500円(税込)
同時複数申込の場合(1名)：44,000円(税込) |
| 会場 |
オンラインセミナー本セミナーは、Web会議システムを使用したオンラインセミナーとして開催します。 |
営業時間 月~金：9:00～17:00 / 定休日：土日・祝日
