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.
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