Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung in Explainable AI
- Was ist erklärbare KI (XAI)?
- Die Bedeutung von Transparenz in KI-Modellen
- Zentrale Herausforderungen bei der Interpretierbarkeit von AI
Grundlegende XAI-Techniken
- Modell-agnostische Methoden: LIME, SHAP
- Modellspezifische Erklärbarkeitsmethoden
- Erklären von Entscheidungen, die von Black-Box-Modellen getroffen werden
Praktische Übungen mit XAI-Tools
- Einführung in Open-Source XAI-Bibliotheken
- Implementierung von XAI in einfachen maschinellen Lernmodellen
- Visualisierung von Erklärungen und Modellverhalten
Herausforderungen bei der Erklärbarkeit
- Abwägung zwischen Genauigkeit und Interpretierbarkeit
- Grenzen der aktuellen XAI-Methoden
- Umgang mit Verzerrungen und Fairness in erklärbaren Modellen
Ethische Erwägungen in XAI
- Verstehen der ethischen Implikationen von KI-Transparenz
- Abwägung zwischen Erklärbarkeit und Modellleistung
- Belange der Privatsphäre und des Datenschutzes in XAI
Anwendungen von XAI in der realen Welt
- XAI im Gesundheitswesen, im Finanzwesen und in der Strafverfolgung
- Regulatorische Anforderungen an die Erklärbarkeit
- Schaffung von Vertrauen in KI-Systeme durch Transparenz
Fortgeschrittene XAI-Konzepte
- Erforschung kontrafaktischer Erklärungen
- Erklärung von neuronalen Netzen und Deep-Learning-Modellen
- Komplexe KI-Systeme interpretieren
Zukünftige Trends in erklärbarer KI
- Aufkommende Techniken in der XAI-Forschung
- Herausforderungen und Chancen für zukünftige KI-Transparenz
- Auswirkungen von XAI auf eine verantwortungsvolle KI-Entwicklung
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundlegendes Verständnis von Konzepten des maschinellen Lernens
- Vertrautheit mit der Python-Programmierung
Zielgruppe
- KI-Anfänger
- Enthusiasten der Datenwissenschaft
14 Stunden