Açıklanabilir Yapay Zeka (XAI) ile İş Kararları için Dashboard Geliştirme Eğitimi
Açıklanabilir Yapay Zeka (XAI) ile İş Kararları için Dashboard Geliştirme Eğitimi
Eğitim Hakkında
Bu eğitim, modern yapay zekâ modellerinin “kara kutu” doğasını ortadan kaldırarak, model kararlarını şeffaf ve anlaşılır içgörülere dönüştürmeye odaklanır. Katılımcılar, SHAP, LIME ve DiCE gibi açıklanabilir yapay zekâ (XAI) tekniklerini öğrenerek, bu yöntemlerin çıktılarını Streamlit ve Plotly Dash gibi araçlarla interaktif dashboard’lara dönüştürme becerisi kazanacaktır. Eğitim ayrıca Grad-CAM ve Integrated Gradients gibi derin öğrenme modellerine özgü yöntemleri uygulamalı olarak ele almaktadır.
Ön Koşul
Bu eğitimin herhangi bir ön koşulu yoktur.
Eğitim İçeriği
- Tanım, iş dünyası için yarattığı riskler ve fırsat kayıpları
- Güven, şeffaflık ve hesap verebilirlik kavramları
- Kapsam, amaçlar ve temel yaklaşımlar (Model-Agnostik vs. Model-Spesifik)
- Yerel (Local) ve Global (Global) açıklamalar arasındaki farklar
- Stratejik karar alma, regülasyonlara uyum, model hata ayıklama ve etik yapay zeka
- Çalışma mantığı: Karmaşık bir modeli yerel olarak basit bir modelle taklit etme
- Uygulama alanları, avantajları ve limitasyonları
- Teorik temel: Oyun teorisi ve Shapley değerleri
- SHAP değerlerinin yorumlanması ve görselleştirme türleri (Force, Waterfall, Summary Plot)
- "Eğer X farklı olsaydı, sonuç ne olurdu?" sorusuna cevap verme
- DiCE kütüphanesi ile pratik uygulamalar
- Gerekli kütüphanelerin (Shap, Lime, Dice) kurulumu
- Gerçek dünya veri seti üzerinde (örn: kredi skoru, müşteri kaybı) model eğitimi
- Tek bir tahminin arkasındaki en etkili faktörleri belirleme
- Hem yerel hem de global düzeyde özellik önemlerini (feature importance) hesaplama
- Özellikler arasındaki etkileşimleri (interaction effects) SHAP ile keşfetme
- Teknik bir analizi, karar vericiler için bir hikâyeye dönüştürme sanatı
- Streamlit'in temel bileşenleri: Widget'lar, layout yönetimi ve veri gösterimi
- Birkaç satır Python koduyla interaktif bir web uygulaması oluşturma
- Dash'in mimarisi: Layout ve Callback'ler
- Daha karmaşık ve kurumsal seviye dashboard'lar için tasarım desenleri
- Eğitilmiş bir modeli ve XAI açıklama nesnelerini (SHAP explainer vb.) kaydetme
- Kullanıcının veri girişi yapabileceği (örn: müşteri ID'si) veya senaryo seçebileceği bir arayüz oluşturma
- Kullanıcı girdisine göre anlık olarak XAI analizlerini (örn: SHAP force plot) çağırma ve gösterme
- "What-if" analizleri için kullanıcıların girdileri değiştirmesine olanak tanıma
- Bilgisayarlı Görü: Grad-CAM ile imajlardaki önemli bölgeleri vurgulama
- Doğal Dil İşleme: Integrated Gradients ve Attention mekanizmaları ile metin tahminlerini açıklama
- Finans: Bir kredi başvurusunun neden reddedildiğini açıklayan bir dashboard
- Sağlık: Bir teşhis modelinin kararlarını doktorlara sunan bir arayüz
- Pazarlama: Müşteri kaybı tahminlerini gerekçelendiren bir analiz ekranı
- Model dağıtım (deployment) sürecinin bir parçası olarak açıklanabilirlik raporları oluşturma
- Her model için yeteneklerini, limitlerini ve yanlılık (bias) eğilimlerini belgeleyen standart dokümanlar hazırlama
- Açıklamaların yanlış yorumlanma riskleri, adalet (fairness) ve mahremiyet (privacy) konuları
Kazanımlar
-
Stratejik güven inşası sağlayabileceksiniz: "Kara kutu" modellerin yarattığı şüpheyi ortadan kaldırarak yapay zekânın kurumsal adaptasyonunu hızlandıracak ve paydaş güvenini artırabileceksiniz.
-
Derinlemesine içgörü kazanabileceksiniz: Sadece "ne" olacağını değil, "neden" olacağını da anlayarak daha isabetli ve savunulabilir iş kararları alabileceksiniz.
-
Hızlı hata ayıklama ve iyileştirme yapabileceksiniz: Modelin beklenmedik veya hatalı tahminlerinin kök nedenlerini hızla tespit ederek modeli daha sağlam hale getirebileceksiniz.
-
Regülasyonlara uyum sağlayabileceksiniz: Özellikle finans ve sağlık gibi regüle sektörlerde talep edilen algoritmik şeffaflık ve "açıklama hakkı" yükümlülüklerini karşılayabileceksiniz.
-
Demokratikleşmeyi destekleyebileceksiniz: Karmaşık model sonuçlarını, teknik olmayan karar vericilerin bile anlayıp sorgulayabileceği görsel arayüzlere dönüştürerek yapay zekâyı demokratikleştirebileceksiniz.
Hedef Kitle
- Yapay zekâ modellerinin çıktılarını iş birimlerine sunan Veri Bilimciler ve Makine Öğrenmesi Mühendisleri,
- Teknik analizleri interaktif raporlara dönüştüren Veri Analistleri ve İş Zekâsı (BI) Geliştiricileri,
- Regülasyonlara (örn: GDPR) uyumluluk ve algoritmik şeffaflık konularında çalışan Risk ve Uyum Profesyonelleri.
- Yapay zekâ ürünlerinin şeffaflığından ve kullanıcı güveninden sorumlu Ürün Yöneticileri,
- Veriye dayalı stratejik kararlar alan ve ekiplerinin kullandığı modellere güven duymak isteyen Departman Yöneticileri ve Takım Liderleri,
Sertifika
Eğitimlerimize %80 oranında katılım gösterilmesi ve eğitim müfredatına göre uygulanacak sınav/projelerin başarıyla tamamlanması durumunda, eğitimin sonunda dijital ve QR kod destekli “BT Akademi Başarı Sertifikası” verilmektedir.
İlgili Kurslar
SEKTÖRÜN GÜVENDİĞİ ÇÖZÜM ORTAĞI
BT Akademi'yi tercih eden 4.000'den fazla kurum yanılmıyor.
