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 von Transparenz in KI-Modellen
- Herausforderungen bei der Interpretierbarkeit von KI
Grundlegende XAI-Techniken
- Modellunabhängige Methoden: LIME, SHAP
- Modellspezifische Erklärbarkeitsmethoden
- Erklärung der Entscheidungen von Black-Box-Modellen
Praktische Arbeit mit XAI-Tools
- Einführung in Open-Source-XAI-Bibliotheken
- Implementierung von XAI in einfachen Machine-Learning-Modellen
- Visualisierung von Erklärungen und Modellverhalten
Herausforderungen bei der Erklärbarkeit
- Zielkonflikte zwischen Genauigkeit und Interpretierbarkeit
- Einschränkungen aktueller XAI-Methoden
- Umgang mit Bias und Fairness in erklärbaren Modellen
Ethische Aspekte von XAI
- Verständnis der ethischen Implikationen von KI-Transparenz
- Ausgleich zwischen Erklärbarkeit und Modellleistung
- Datenschutzbedenken im Rahmen von XAI
Praxisanwendungen von XAI
- XAI in den Bereichen Gesundheit, Finanzwesen und Strafverfolgung
- Rechtliche Vorgaben zur Erklärbarkeit
- Vertrauensaufbau in KI-Systemen durch Transparenz
Fortgeschrittene XAI-Konzepte
- Erforschung von Gegentheorien (Counterfactual Explanations)
- Erklärung von neuronalen Netzen und Deep-Learning-Modellen
- Interpretation komplexer KI-Systeme
Zukünftige Trends in der Explainable AI
- Neue Forschungsansätze im Bereich XAI
- Herausforderungen und Chancen für künftige KI-Transparenz
- Einfluss von XAI auf die Entwicklung verantwortungsvoller KI
Zusammenfassung und weitere Schritte
Voraussetzungen
- Grundlegende Kenntnisse in Machine-Learning-Konzepten
- Vertrautheit mit der Python-Programmierung
Zielgruppe
- KI-Einsteiger
- Data-Science-Enthusiasten
14 Stunden