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

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien