2022-12-11更新
包含人工智能可解释性、显著性分析领域的导论、算法综述、经典论文精读、代码实战、前沿讲座。
课程主页：https://github.com/TommyZihao/zihao_course/blob/main/XAI
张子豪，B站人工智能科普教育UP主“同济子豪兄”：https://space.bilibili.com/1900783
微软人工智能最有价值专家（MVP）、华为云人工智能HCDE云享专家。
代表作包括：精读AI经典论文、编程奇妙夜、斯坦福CS231N、CS224W中文精讲、OpenMMLab代码实战。
可解释机器学习导论：https://www.bilibili.com/video/BV1Se4y1T7dG
预备知识：高等数学、机器学习、深度学习、计算机视觉、卷积神经网络
卷积神经网络入门：公众号 人工智能小技巧 回复 卷积神经网络
斯坦福CS231N计算机视觉公开课-中文精讲：https://www.bilibili.com/video/BV1K7411W7So
精读AI经典论文：https://github.com/TommyZihao/zihao_course/tree/main/Paper
CS231N中文精讲-可视化卷积神经网络：https://www.bilibili.com/video/BV1K7411W7So?p=6
ZFNet-算法讲解：https://www.bilibili.com/video/BV17b4y1m7x8
ZFNet-论文逐句精读：https://www.bilibili.com/video/BV17b4y1m7x8?p=2
CAM-算法讲解：https://www.bilibili.com/video/BV1Ke411g7gm
CAM-论文逐句精读：https://www.bilibili.com/video/BV1fe4y1C7mN
GradCAM-算法讲解：https://www.bilibili.com/video/BV1PD4y1B77q
GradCAM-论文逐句精读：https://www.bilibili.com/video/BV1id4y167FF
LIME-算法讲解：https://www.bilibili.com/video/BV12V4y1G7KF
LIME-论文逐句精读：https://www.bilibili.com/video/BV1wV4y1V7rD
UCI心脏病机器学习二分类+可解释性分析：https://www.bilibili.com/video/BV1Wf4y1U7EL
图像分类可解释性分析实战-CAM热力图系列算法：https://www.bilibili.com/video/BV1JG4y1s74x
图像分类可解释性分析实战-Deep Feature Factorization：https://www.bilibili.com/video/BV1Re4y1n73v
图像分类可解释性分析实战-Captum工具包：https://www.bilibili.com/video/BV1DN4y1N7fc
图像分类可解释性分析实战-shap工具包：https://www.bilibili.com/video/BV1vP4y1S7Xu
图像分类可解释性分析实战-lime工具包：https://www.bilibili.com/video/BV1a84y1i7Tz
MATLAB深度学习工具箱可解释性分析实战：https://www.bilibili.com/video/BV1Qd4y1b7Mr
11款神经网络科研绘图可视化工具：https://www.bilibili.com/video/BV1TV4y1P7AP
图像分类Pytorch实战：构建数据集、训练模型、预测新图、测试集评估、可解释性分析、终端部署。
视频：https://space.bilibili.com/1900783/channel/collectiondetail?sid=606800
代码：https://github.com/TommyZihao/Train_Custom_Dataset
LayerCAM论文精读
MMClassification图像分类
MMYOLO目标检测：https://www.bilibili.com/video/BV1je4y1478R
InterpretML、 Shapash、 OmniXAI工具包
前沿讲座
可解释人工智能前沿（UCLA周博磊-拟邀请）
从CAM到LayerCAM（南开大学程明明-拟邀请）
从Machine Learning 到 Machine Teaching（爱丁堡大学赵冰辰）
强化学习的可解释分析（OpenDILab）
自然语言处理的可解释性分析（哈工大刘挺-拟邀请）
图神经网络（GNN）的可解释分析
本课程制作期间，得到了以下老师和组织的大力支持，在此表示感谢。
周博磊（UCLA）、程明明（南开大学）、姜鹏涛（浙江大学）、赵冰辰（爱丁堡大学）、杨思苇（同济大学）
Datawhale、OpenMMLab、量子位、中国图象图形学学会-科普与教育工作委员会
Datawhale《可解释机器学习公开课》来了！：https://mp.weixin.qq.com/s/jxKVMpcqcunNSXxiyCtx0Q
DataWhale公众号推送【6个机器学习可解释性框架！】：https://mp.weixin.qq.com/s/GpdOQChETqh9-q0SvP6I0A
ReadPaper可解释机器学习论文集：https://readpaper.com/user/collect/638623946528292864
OpenMMLab公众号推送【类别激活热力图可视化工具介绍】：https://mp.weixin.qq.com/s?__biz=MzI4MDcxNTY2MQ==&mid=2247485910&idx=1&sn=22aa21397b003cf40af279ae3acccac1&chksm=ebb50134dcc288220d3f941bcd8b613494c7e1371435e909c9f6e522c21e194f50c7b68f4cc4&token=1125533908&lang=zh_CN#rd
【智源社区】哈工大刘挺：自然语言处理中的可解释性问题：https://mp.weixin.qq.com/s/ChDfxbKGUORjIM0PW8U68g