聯盟式學習 (Federated Learning)

突破隱私權的重圍！

如果要用一句話說明聯盟式學習，那就是 state-of-the-art machine learning without…

數據會說話？淺談倖存者偏差（Survivorship Bias）

沈默的數據，你所忽略的重要訊息！

數據會說話? 淺談辛普森悖論

數據分析的陷阱，千萬別被表面數據的結果給迷惑！

XAI| 模型可解釋性的重要

人工智慧所面臨的挑戰，如何打開黑盒子？

大多數的情況下，高準確率的模型往往過於複雜，導致人類難以理解其決策與行動背後的原因，因此機器學習（例如：深度學習）常被視為黑盒子（black…

XAI| 透過 LIME 解釋複雜難懂的模型

Local Interpretable Model-agnostic Explanations (LIME)

XAI| 如何對集成樹進行解釋？

集成樹的可解釋性: Feature Importance、Partial Dependence Plot、ICE Plot

XAI| 累積局部效應（ALE）

Accumulated Local Effects (ALE)

一、介紹

過AI時代| AI 所面臨的瓶頸

The Era of Over AI

在這樣的世代，我們真的都做好迎接 AI 的準備了嗎？還是大家只是一味地吹捧？不可不正視的是 AI 仍然存在著許多缺陷，導致 AI…