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)?
- Die Bedeutung der Transparenz in KI-Modellen
- Hauptforderungen bei der Interpretierbarkeit von KI
Grundlegende XAI-Techniken
- Modell-unabhängige Methoden: LIME, SHAP
- Modellspezifische Erklärungsmethoden
- Erklären von Entscheidungen durch Black-Box-Modelle
Praxis mit XAI-Tools
- Einführung in Open-Source-XAI-Bibliotheken
- Implementierung von XAI in einfachen maschinellen Lernmodellen
- Visualisieren von Erklärungen und Modellverhalten
Herausforderungen bei der Interpretierbarkeit
- Trade-offs zwischen Genauigkeit und Interpretierbarkeit
- Begrenzungen aktueller XAI-Methoden
- Umgang mit Bias und Fairness in erklärbaren Modellen
Ethische Aspekte von XAI
- Verständnis der ethischen Implikationen von KI-Transparenz
- Gleichgewicht zwischen Erklärbarkeit und Modellleistung
- Datenschutzbedenken in XAI
Praktische Anwendungen von XAI
- XAI im Gesundheitswesen, der Finanzindustrie und bei der Polizei
- Regulatorische Anforderungen an Erklärbarkeit
- Aufbau von Vertrauen in KI-Systeme durch Transparenz
Fortgeschrittene XAI-Konzepte
- Erforschung kontrafaktischer Erklärungen
- Erklären von neuronalen Netzen und tiefen Lernmodellen
- Interpretieren komplexer KI-Systeme
Zukünftige Trends in Explainable AI
- Entstehende Techniken im XAI-Forschungsbereich
- Herausforderungen und Chancen für zukünftige KI-Transparenz
- Auswirkungen von XAI auf verantwortungsbehaftete KI-Entwicklung
Zusammenfassung und nächste Schritte
Voraussetzungen
- Grundlegendes Verständnis von Machine-Learning-Konzepten
- Bekanntschaft mit Python-Programmierung
Zielpublikum
- AI-Anfänger
- Begeisterte von Data Science
14 Stunden