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 fortgeschrittene XAI-Techniken
- Überblick über grundlegende XAI-Methoden
- Herausforderungen bei der Interpretation komplexer KI-Modelle
- Trends in Forschung und Entwicklung von XAI
Modell-agnostische Methoden zur Erklärbarkeit
- SHAP (SHapley Additive exPlanations)
- LIME (Local Interpretable Model-agnostic Explanations)
- Anchor-Erklärungen
Modellspezifische Methoden zur Erklärbarkeit
- Layer-wise Relevance Propagation (LRP)
- DeepLIFT (Deep Learning Important FeaTures)
- Gradientenbasierte Methoden (Grad-CAM, Integrated Gradients)
Erklärung neuronaler Netze
- Interpretation von Convolutional Neural Networks (CNNs)
- Erklärung von Recurrent Neural Networks (RNNs)
- Analyse transformerbasierter Modelle (BERT, GPT)
Umgang mit Herausforderungen der Interpretierbarkeit
- Bewältigung der Limitierungen von Black-Box-Modellen
- Balance zwischen Genauigkeit und Interpretierbarkeit
- Umgang mit Verzerrung und Fairness in Erklärungen
Anwendungen von XAI in realen Systemen
- XAI im Gesundheitswesen, Finanzsektor und juristischen Systemen
- Vorschriften und Compliance-Anforderungen an KI
- Aufbau von Vertrauen und Rechenschaftspflicht durch XAI
Zukünftige Trends in der Erklärbaren KI
- Neue Techniken und Tools im Bereich XAI
- Erklärbarkeitsmodelle der nächsten Generation
- Chancen und Herausforderungen in Bezug auf die KI-Transparenz
Zusammenfassung und nächste Schritte
Voraussetzungen
- Fundiertes Verständnis von KI und Maschinellem Lernen
- Erfahrung mit neuronalen Netzen und Deep Learning
- Vertrautheit mit grundlegenden XAI-Techniken
Zielgruppe
- Erfahrene KI-Forscher
- Machine-Learning-Ingenieure
21 Stunden
