课程主页: https://www.coursera.org/learn/explainable-machine-learning-xai
随着人工智能（AI）逐渐融入高风险领域，如医疗保健、金融和刑事司法，构建这些系统的人员需要超越黑箱思维，开发既精准又透明可信的系统。Coursera上提供的可解释机器学习（XAI）课程，就为我们提供了这样一个全面而实用的学习机会。
该课程不仅深入浅出地介绍了可解释机器学习的基本概念，还结合了实际案例，让学习者通过编程实验和讨论更好地理解如何构建符合负责任AI原则的AI解决方案。
课程大纲
模型无关的可解释性
在这个模块中，您将了解到模型无关的可解释性概念，探索局部和全局解释的技术和方法。您将学习如何解释和实现局部可解释技术如LIME、SHAP和ICE图，以及全局可解释技术，包括功能分解、PDP和ALE图等，在Python中进行实际应用。
可解释深度学习
在这个模块中，将介绍可解释深度学习的相关概念和技术。您将学习如何解释和实现神经网络可视化技术，了解和应用激活向量，同时评估和批判可解释的注意力机制和显著性方法。
可解释生成AI
最后一个模块介绍可解释生成AI的概念，学习如何解释在大型语言模型、生成计算机视觉以及多模态模型中出现的可解释性新方法。
每个模块均配有引导性编程实验和测验评估，确保学习者能够将理论知识应用于实践。
总结
总之，如果您对此领域感兴趣，或者从事与AI相关工作，这个课程将极大地增强您的技能和知识，提高您在高风险领域中构建受信任AI系统的能力。强烈推荐！
课程主页: https://www.coursera.org/learn/explainable-machine-learning-xai