Kontakt aufnehmen

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

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien