Kontakt aufnehmen
 Dauer 14 Stunden

Schulungsübersicht

Einführung in Explainable AI

  • Was ist Explainable AI (XAI)?
  • Wichtigkeit der Transparenz in KI-Modellen
  • Wesentliche Herausforderungen bei der KI-Interpretierbarkeit

Grundlegende XAI-Techniken

  • Modellunabhängige Methoden: LIME, SHAP
  • Modellspezifische Erklärbarkeitmethoden
  • Erklärung von Entscheidungen, die von Black-Box-Modellen getroffen werden

Praxis mit XAI-Tools

  • Einführung in Open-Source-XAI-Bibliotheken
  • Implementierung von XAI in einfachen Machine-Learning-Modellen
  • Visualisierung von Erklärungen und Modellverhalten

Herausforderungen der Erklärbarkeit

  • Kompromisse zwischen Genauigkeit und Interpretierbarkeit
  • Begrenzungen aktueller XAI-Methoden
  • Berücksichtigung von Verzerrung und Fairness in erklärbaren Modellen

Ethische Überlegungen in XAI

  • Verständnis der ethischen Implikationen der KI-Transparenz
  • Gleichgewicht zwischen Erklärbarkeit und Modellleistung
  • Schutzbemühungen für Privatsphäre und Daten in XAI

Praktische Anwendungen von XAI

  • XAI im Gesundheitswesen, in der Finanzbranche und im Strafvollzug
  • Regulatorische Anforderungen an die Erklärbarkeit
  • Aufbau von Vertrauen in KI-Systeme durch Transparenz

Fortgeschrittene XAI-Konzepte

  • Erkundung kontrafaktischer Erklärungen
  • Erklärung von neuronalen Netzen und Deep-Learning-Modellen
  • Interpretation komplexer KI-Systeme

Zukunftstrends der Explainable AI

  • Neuartige Techniken in der XAI-Forschung
  • Herausforderungen und Chancen für zukünftige KI-Transparenz
  • Auswirkung von XAI auf die verantwortungsvolle KI-Entwicklung

Voraussetzungen

  • Grundlegendes Verständnis von Machine-Learning-Konzepten
  • Vertrautheit mit der Python-Programmierung

Zielgruppe

  • KI-Einsteiger
  • Datenwissenschafts-Enthusiasten

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien