Appunti degli studenti per corsi ed esami del Prof. Lippi Marco

Appunti completi e ordinati del corso di Explainable Artificial Intelligence / Intelligenza Artificiale Spiegabile. Il materiale tratta i principali argomenti del corso, partendo dai concetti generali di interpretabilità, explainability, bias, fairness e valutazione delle spiegazioni, fino ad arrivare ai modelli interpretabili e alle tecniche di spiegazione post-hoc. Sono presenti sezioni dedicate a: - alberi decisionali e modelli interpretabili; - regole decisionali e decision list; - Explainable Boosting Machines; - modelli basati su prototipi; - programmazione logica induttiva; - LIME, SHAP e Kernel SHAP; - mappe di salienza, Grad-CAM e sanity checks; - attention e interpretabilità; - PDP, ICE e permutation feature importance; - modelli neuro-simbolici, ProbLog, Markov Logic Networks e Concept Bottleneck Models. Gli appunti sono pensati per lo studio universitario e per la preparazione dell’esame, con spiegazioni teoriche, formule, schemi concettuali e collegamenti tra i vari argomenti.