Kontakt aufnehmen

Schulungsübersicht

Einführung in Explainable AI

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

Grundlegende XAI-Techniken

  • Modellagnostische Methoden: LIME, SHAP
  • Modellspezifische Erklärbarkeitsmethoden
  • Erklärung der Entscheidungen von Black-Box-Modellen

Praxis mit XAI-Tools

  • Einführung in Open-Source-XAI-Bibliotheken
  • Implementierung von XAI in einfachen maschinellen Lernmodellen
  • Visualisierung der Erklärungen und des Modellverhaltens

Herausforderungen der Erklärbarkeit

  • Abwägung zwischen Genauigkeit und Interpretierbarkeit
  • Begrenzungen aktueller XAI-Methoden
  • Umgang mit Vorurteilen und Fairness in erklärbaren Modellen

Ethische Überlegungen in XAI

  • Verständnis der ethischen Implikationen von KI-Transparenz
  • Ausbalancieren der Erklärbarkeit mit der Modellleistung
  • Sorgfältiger Umgang mit Datenschutz und Privatsphäre in XAI

Praktische Anwendungen von XAI

  • XAI im Gesundheitswesen, Finanzwesen und bei der Strafverfolgung
  • Regulatorische Anforderungen an die Erklärbarkeit
  • Aufbau von Vertrauen in KI-Systemen durch Transparenz

Fortgeschrittene XAI-Konzepte

  • Erforschung von kontrafaktischen Erklärungen
  • Erklärung von neuronalen Netzen und Deep-Learning-Modellen
  • Interpretation komplexer KI-Systeme

Zukunfts-Trends in der Explainable AI

  • Neue Techniken in der XAI-Forschung
  • Herausforderungen und Chancen für die zukünftige KI-Transparenz
  • Einfluss von XAI auf die Entwicklung verantwortungsvoller KI

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Grundlegendes Verständnis von Konzepten des maschinellen Lernens
  • Vertrautheit mit der Programmiersprache Python

Zielgruppe

  • KI-Anfänger
  • Begeisterte der Datenwissenschaft
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien