Объяснимый ИИ: интерпретация моделей и причинно-следственные связи
Мастер-класс для аналитиков, продуктовых специалистов и руководителей, который поможет разобраться, почему модель принимает именно такие решения, и какие факторы действительно влияют на бизнес-результат
4 часа
с 12:00 до 16:00 мск
длительность
онлайн
формат
20 декабря 2025 года
дата проведения
прием заявок открыт до 16 декабря
Для кого?
- бизнес- и продуктовые аналитики, специалисты по данным, менеджеры по ИИ-продуктам
- преподаватели и исследователи, внедряющие ИИ в прикладные проекты
- руководители аналитических направлений и консультанты
- эксперты по цифровой трансформации, HR-аналитике, маркетингу, клиентскому анализу, финансовому и управленческому учёту
- научитесь применять по одному практичному методу из каждого подхода
- сможете объяснять предсказания моделей понятным бизнесу языком
- научитесь отличать значимые факторы от случайных корреляций
- поймете принципы объяснимости моделей искусственного интеллекта и основы причинно-следственного вывода
в результате вы:
программа мастер-класса
Почему ИИ должен быть объяснимым
Рассмотрим на примерах, когда непрозрачные модели приводят к ошибкам. Объясним, что такое Explainable AI и зачем бизнесу «прозрачные» решения
Как понять, что «важно» для модели
Сделаем краткий обзор методов интерпретируемого машинного обучения: от простых оценок важности признаков до локальных объяснений. Поймем сильные и слабые стороны подходов
Один инструмент для объяснений
Более подробно разберем один из методов интерпретации, который позволяет визуально показать, как модель «думает». Научимся читать и интерпретировать такие объяснения
Что такое причина, а что — просто совпадение
На конкретных примерах разберем разницу между корреляцией и причинно-следственной связью. Введем понятия скрытых влияющих факторов и каузальных графов
Один метод поиска причин
Подробно разберем один из методов причинно-следственного вывода и покажем, как этот метод помогает оценить реальный эффект факторов
Практическая часть на Python
на конкретном кейсе с датасетом:
применим метод интерпретации: что «видит» модель на конкретном датасете
применим метод причинно-следственного вывода: что действительно влияет на результат
объединим два подхода в целостную понятную картину
покажем, как доказательно ответить на вопрос: «Модель считает так — а является ли это причиной?»
Рассмотрим на примерах, когда непрозрачные модели приводят к ошибкам. Объясним, что такое Explainable AI и зачем бизнесу «прозрачные» решения
Как понять, что «важно» для модели
Сделаем краткий обзор методов интерпретируемого машинного обучения: от простых оценок важности признаков до локальных объяснений. Поймем сильные и слабые стороны подходов
Один инструмент для объяснений
Более подробно разберем один из методов интерпретации, который позволяет визуально показать, как модель «думает». Научимся читать и интерпретировать такие объяснения
Что такое причина, а что — просто совпадение
На конкретных примерах разберем разницу между корреляцией и причинно-следственной связью. Введем понятия скрытых влияющих факторов и каузальных графов
Один метод поиска причин
Подробно разберем один из методов причинно-следственного вывода и покажем, как этот метод помогает оценить реальный эффект факторов
Практическая часть на Python
на конкретном кейсе с датасетом:
применим метод интерпретации: что «видит» модель на конкретном датасете
применим метод причинно-следственного вывода: что действительно влияет на результат
объединим два подхода в целостную понятную картину
покажем, как доказательно ответить на вопрос: «Модель считает так — а является ли это причиной?»
ведущие
евгений котельников
доктор технических наук, директор-организатор, профессор Школы вычислительных социальных наук
ксения тенишева
кандидат социологических наук, доцент Школы вычислительных социальных наук, директор программ по направлению Социология
что вы получите?
Увидите на практике, как комбинация двух подходов дает более глубокие и надежные инсайты
сертификат об участии в мастер-классе
готовые шаблоны кода на Python для собственных задач
цели
ШКОЛА ВЫЧИСЛИТЕЛЬНЫХ СОЦИАЛЬНЫХ НАУК
В социогуманитарных областях накоплено много ценных данных. Умение поставить к ним исследовательский вопрос и применить нужные инструменты — первый шаг к новым научным достижениям. Программы школы дают базовые технические навыки в области анализа данных и искусственного интеллекта историкам, филологам, культурологам и не только. Мы рады видеть на программах всех, кто заинтересован в использовании количественных методов в своей работе
Школа вычислительных социальных наук объединяет экономистов, социологов и специалистов в области информатики, чтобы дополнять и обогащать знания друг друга, решать научные и прикладные проблемы на стыке наук и готовить новые поколения высококонкурентных специалистов
команда
деятельность
Мы сотрудничаем с партнерами из индустрии и академии, выполняя сложные междисциплинарные проекты. Школа стремится к продуктивному синтезу социогуманитарных и компьютерных наук, не теряя при этом содержательного ядра и идентичности каждой из них
Наша цель — развить исследовательское воображение студентов, научить видеть механизмы, стоящие за социальными феноменами, и научить анализировать их. Мы строим наши курсы с учетом последних достижений науки и используем проектный метод в обучении. Широкий спектр умений наших выпускников позволяет найти в себя в индустрии высоких технологий, в государственном и частном секторе, в науке
подход к преподаванию
о европейском университете
Европейский университет в Санкт-Петербурге — исследовательский университет постдипломного образования, основанный в 1994 году.
ЕУСПб объединяет лучшие традиции российской и мировой науки и готовит ученых и экспертов в области социальных и гуманитарных наук.
ЕУСПб объединяет лучшие традиции российской и мировой науки и готовит ученых и экспертов в области социальных и гуманитарных наук.
контакты
адрес
Россия, Санкт-Петербург, ул. Гагаринская, 6/1А,
(вход со Шпалерной, дом 1)
телефон
соцсети
сайт
Даю согласие на обработку персональных данных и подтверждаю ознакомление с Политикой АНООВО ЕУСПб в отношении обработки персональных данных