Interpretable machine learning applications: Part 3

제공자:
학습자는 이 안내 프로젝트에서 다음을 수행하게 됩니다.

Import, explore and normalize real world data (HELOC) for evaluating the risk performance of mortgage applications

Train and test a prediction model as a Sequential model based Artificial Neural Network (ANN)

Generate explanations based on profiles of mortgage applicants closest to the individual requesting the explanation.

2 hours
중급
다운로드 필요 없음
분할 화면 동영상
영어
데스크톱 전용

In this 50 minutes long project-based course, you will learn how to apply a specific explanation technique and algorithm for predictions (classifications) being made by inherently complex machine learning models such as artificial neural networks. The explanation technique and algorithm is based on the retrieval of similar cases with those individuals for which we wish to provide explanations. Since this explanation technique is model agnostic and treats the predictions model as a 'black-box', the guided project can be useful for decision makers within business environments, e.g., loan officers at a bank, and public organizations interested in using trusted machine learning applications for automating, or informing, decision making processes. The main learning objectives are as follows: Learning objective 1: You will be able to define, train and evaluate an artificial neural network (Sequential model) based classifier  by using keras as API for TensorFlow. The pediction model will be trained and tested with the HELOC dataset for approved and rejected mortgage applications. Learning objective 2: You will be able to generate explanations based on similar profiles for a mortgage applicant predicted either as of "Good" or "Bad" risk performance. Learning objective 3: you will be able to generate contrastive explanations based on feature and pertinent negative values, i.e., what an applicant should change in order to turn a "rejected" application to an "approved" one.

개발할 기술

  • Training and testing an Artificial Neural Network

  • Using the Protodash algorithm

  • Using keras as API for TensorFlow

  • Normalization of data prior to training a prediction model

  • Explanations based on similarity measurements

단계별 학습

작업 영역이 있는 분할 화면으로 재생되는 동영상에서 강사는 다음을 단계별로 안내합니다.

  1. By the end of task 1, you will be able, as a data scientist or loan officer persona, to load, process and normalize the (HELOC) dataset about mortgage applications for training purposes.

  2. By the end of task 2, you will be able to define, train and evaluate an artificial neural network based classifier  by using TensorFlow.

  3. By the end of tasks 3 and 4, you will be able to obtain similar samples as explanations for a mortgage applicant predicted as "Good" and "Bad", respectively.

  4. By the end of task 5, you will be able to provide contrastive explanations for decisions affecting individual cases.

안내형 프로젝트 진행 방식

작업 영역은 브라우저에 바로 로드되는 클라우드 데스크톱으로, 다운로드할 필요가 없습니다.

분할 화면 동영상에서 강사가 프로젝트를 단계별로 안내해 줍니다.

자주 묻는 질문

안내 프로젝트를 구매하면, 시작에 필요한 파일과 소프트웨어가 포함된 클라우드 데스크톱 작업 영역에 웹 브라우저를 통해 접근할 수 있으며, 주제 전문가의 단계별 동영상 지침 등 프로젝트 완료에 필요한 모든 것이 제공됩니다.

귀하의 작업 영역에는 노트북이나 데스크톱 컴퓨터에 맞게 용량이 지정된 클라우드 데스크톱이 포함되어 있으므로 모바일 기기에서는 안내 프로젝트를 이용할 수 없습니다.

안내 프로젝트 강사는 해당 주제의 전문가로서, 해당 프로젝트 영역이나 도구, 기술에 대한 경험이 풍부하며 전 세계 수백만 명의 학습자와 지식을 적극적으로 공유합니다.

안내 프로젝트에서 생성된 파일은 모두 다운로드하고 보관할 수 있습니다. 클라우드 데스크톱에 접속한 상태에서 '파일 브라우저'를 사용하여 파일을 다운로드할 수 있습니다.

안내 프로젝트는 환불이 불가능합니다. 전체 환불 정책 보기

안내 프로젝트에는 재정 지원이 제공되지 않습니다.

안내 프로젝트의 청강은 할 수 없습니다.

페이지 상단에서 이 안내 프로젝트에 대한 경험 수준을 누르면 우선적으로 알아야 하는 지식을 확인할 수 있습니다. 안내 프로젝트의 단계마다 강사가 차례대로 안내해 드립니다.

네, 브라우저를 통해 이용할 수 있는 클라우드 데스크톱에서 안내 프로젝트 완료에 필요한 모든 것을 이용할 수 있습니다.

브라우저의 분할 화면 환경에서 바로 작업을 완료하여 학습할 수 있습니다. 화면 왼쪽에 있는 작업 영역에서 작업을 완료할 수 있습니다. 화면 오른쪽에서는 강사의 단계별 프로젝트 안내를 볼 수 있습니다.