سرفصل های دوره:
1. مقدمه ای بر هوش مصنوعی قابل اعتماد
2. تعریف هوش مصنوعی قابل اعتماد
3. اهمیت هوش مصنوعی قابل اعتماد
4. اصول کلیدی هوش مصنوعی قابل اعتماد
5. چالش های هوش مصنوعی قابل اعتماد
6. معماری ها و چارچوب های هوش مصنوعی قابل اعتماد
7. مروری بر یادگیری ماشین
8. انواع یادگیری ماشین
9. مبانی شبکه های عصبی
10. شبکه های عصبی عمیق
11. یادگیری تقویتی
12. یادگیری بدون نظارت
13. یادگیری نیمه نظارتی
14. مبانی پردازش زبان طبیعی
15. مبانی بینایی ماشین
16. مبانی استدلال و برنامه ریزی
17. مبانی سیستم های خبره
18. مبانی رباتیک
19. مبانی الگوریتم ها و ساختار داده ها
20. مبانی آمار و احتمالات
21. مبانی جبر خطی
22. مبانی حساب دیفرانسیل و انتگرال
23. مبانی بهینه سازی
24. مبانی نظریه اطلاعات
25. مبانی نظریه بازی ها
26. مبانی منطق
27. مبانی محاسبات
28. مبانی پیچیدگی محاسباتی
29. مبانی علوم کامپیوتر
30. مبانی مهندسی نرم افزار
31. مبانی مهندسی سیستم ها
32. مبانی مهندسی داده
33. مبانی مهندسی یادگیری ماشین
34. مبانی یادگیری ماشین قابل تفسیر (XAI)
35. مبانی توضیح پذیری در XAI
36. مبانی تفسیرپذیری مدل های جعبه سیاه
37. تکنیک های XAI: LIME
38. تکنیک های XAI: SHAP
39. تکنیک های XAI: Integrated Gradients
40. تکنیک های XAI: Anchor Explanations
41. تکنیک های XAI: Permutation Feature Importance
42. تکنیک های XAI: Partial Dependence Plots
43. ...