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 (XAI) und Modelltransparenz
- Was ist erklärbare KI?
- Warum Transparenz in KI-Systemen wichtig ist
- Interpretierbarkeit vs. Leistung in KI-Modellen
Überblick über XAI-Techniken
- Modell-agnostische Methoden: SHAP, LIME
- Modellspezifische Erklärbarkeitstechniken
- Erklärung von neuronalen Netzen und Deep-Learning-Modellen
Aufbau transparenter AI-Modelle
- Implementierung von interpretierbaren Modellen in der Praxis
- Vergleich zwischen transparenten Modellen und Black-Box-Modellen
- Abwägen zwischen Komplexität und Erklärbarkeit
Fortgeschrittene XAI Tools und Bibliotheken
- SHAP für die Modellinterpretation verwenden
- Nutzung von LIME für lokale Erklärbarkeit
- Visualisierung von Modellentscheidungen und Verhaltensweisen
Fairness, Voreingenommenheit und ethische KI adressieren
- Identifizierung und Abschwächung von Verzerrungen in KI-Modellen
- Fairness in der KI und ihre gesellschaftlichen Auswirkungen
- Sicherstellung von Verantwortlichkeit und Ethik beim Einsatz von KI
Anwendungen von XAI in der realen Welt
- Fallstudien in den Bereichen Gesundheitswesen, Finanzen und Regierung
- Interpretation von KI-Modellen für die Einhaltung von Vorschriften
- Vertrauensbildung mit transparenten KI-Systemen
Zukünftige Richtungen in erklärbarer KI
- Neue Forschung im Bereich XAI
- Herausforderungen bei der Skalierung von XAI für groß angelegte Systeme
- Chancen für die Zukunft der transparenten KI
Zusammenfassung und nächste Schritte
Voraussetzungen
- Erfahrung im maschinellen Lernen und in der Entwicklung von KI-Modellen
- Vertrautheit mit der Python-Programmierung
Zielgruppe
- Datenwissenschaftler
- Ingenieure für maschinelles Lernen
- KI-Spezialisten
21 Stunden