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
- 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