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 Erklärbare KI (XAI) und Modelltransparenz
- Was ist Erklärbare KI?
- Warum Transparenz in KI-Systemen wichtig ist
- Interpretierbarkeit vs. Leistung in KI-Modellen
Überblick über XAI-Techniken
- Modell-agnostische Methoden: SHAP, LIME
- Modellspezifische Erklärbarkeitstechniken
- Erklärung von neuronalen Netzen und Deep-Learning-Modellen
Aufbau transparenter KI-Modelle
- Implementierung interpretierbarer Modelle in der Praxis
- Vergleich von transparenten Modellen mit Blackbox-Modellen
- Abwägung zwischen Komplexität und Erklärbarkeit
Fortgeschrittene XAI-Tools und Bibliotheken
- Verwendung von SHAP zur Modellinterpretation
- Nutzung von LIME für lokale Erklärbarkeit
- Visualisierung von Modellentscheidungen und -verhalten
Umgang mit Fairness, Verzerrung und ethischer KI
- Identifizierung und Minderung von Verzerrung in KI-Modellen
- Fairness in KI und ihre gesellschaftlichen Auswirkungen
- Sicherstellung von Verantwortlichkeit und Ethik im KI-Einsatz
Praxisanwendungen von XAI
- Fallstudien aus Gesundheitswesen, Finanzen und Regierung
- Interpretation von KI-Modellen zur Einhaltung regulatorischer Vorschriften
- Aufbau von Vertrauen durch transparente KI-Systeme
Zukünftige Entwicklungen in der Erklärbaren KI
- Aktuelle Forschung zu XAI
- Herausforderungen bei der Skalierung von XAI für große Systeme
- Möglichkeiten für die Zukunft transparenter KI
Zusammenfassung und nächste Schritte
Voraussetzungen
- Erfahrung in maschinellem Lernen und der Entwicklung von KI-Modellen
- Vertrautheit mit Python-Programmierung
Zielgruppe
- Datenwissenschaftler
- Maschinenlerningenieure
- KI-Spezialisten
21 Stunden