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 fortgeschrittene XAI-Techniken
- Überblick über grundlegende XAI-Methoden
- Herausforderungen bei der Interpretation komplexer AI-Modelle
- Trends in Forschung und Entwicklung von XAI
Modellagnostische Erklärungstechniken
- SHAP (SHapley Additive exPlanations)
- LIME (Local Interpretable Model-agnostic Explanations)
- Anchor-Erklärungen
Modellspezifische Erklärungstechniken
- Schichtweise Relevanzpropagation (LRP)
- DeepLIFT (Deep Learning Important FeaTures)
- Gradientenbasierte Methoden (Grad-CAM, Integrated Gradients)
Erklärung von tiefen lernenden Modellen
- Interpretation von konvolutionalen neuronalen Netzwerken (CNNs)
- Erklärung rekurrenter neuronaler Netzwerke (RNNs)
- Analyse transformerbasierter Modelle (BERT, GPT)
Umgang mit Interpretations-Herausforderungen
- Bewältigung von Einschränkungen von Black-Box-Modellen
- Ausbalancieren von Genauigkeit und Interpretierbarkeit
- Umgang mit Biasedness und Fairness in Erklärungen
Anwendungen von XAI in realen Systemen
- XAI im Gesundheitswesen, Finanzwesen und Rechtssystemen
- AI-Regulierung und Einhaltung von Vorgaben
- Aufbau von Vertrauen und Haftbarkeit durch XAI
Zukünftige Trends in erklärbarer KI
- Entstehende Techniken und Werkzeuge in XAI
- Nächste Generation von Erklärungsmodellen
- Chancen und Herausforderungen bei Transparenz in AI
Zusammenfassung und nächste Schritte
Voraussetzungen
- Solides Verständnis von KI und maschinellem Lernen
- Erfahrung mit neuronalen Netzen und tiefem Lernen
- Kenntnisse grundlegender XAI-Techniken
Zielgruppe
- Erfahrene KI-Forscher
- Maschinelles-Lernen-Ingenieure
21 Stunden