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.
Dauer 14 Stunden
Schulungsübersicht
Einführung in Explainable AI
- Was ist Explainable AI (XAI)?
- Bedeutung der Transparenz in KI-Modellen
- Herausforderungen in der KI-Interpretierbarkeit
Grundlegende XAI-Techniken
- Modell-agnostische Methoden: LIME, SHAP
- Modellspezifische Methoden der Erklärbarkeit
- Erläutern von Entscheidungen, die von Black-Box-Modellen getroffen werden
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 der Erklärbarkeit
- Abwägung zwischen Genauigkeit und Interpretierbarkeit
- Grenzen der aktuellen XAI-Methoden
- Berücksichtigung von Voreingenommenheit und Fairness in erklbaren Modellen
Ethische Aspekte in XAI
- Verständnis der ethischen Implikationen der KI-Transparenz
- Gleichgewicht zwischen Erklärbarkeit und Modellperformance
- Sorgen um Datenschutz und Persönlichkeitsschutz in XAI
Praktische Anwendungen von XAI
- XAI im Gesundheitswesen, in der Finanzbranche und bei der Strafverfolgung
- Regulatorische Anforderungen an die Erklärbarkeit
- Aufbau von Vertrauen in KI-Systeme durch Transparenz
Fortgeschrittene XAI-Konzepte
- Untersuchung kontrafaktischer Erklärungen
- Erläutern von neuronalen Netzen und Deep-Learning-Modellen
- Interpretation komplexer KI-Systeme
Zukünftige Trends in Explainable AI
- Neuere Techniken in der XAI-Forschung
- Herausforderungen und Chancen für die zukünftige KI-Transparenz
- Auswirkung von XAI auf die verantwortungsvolle Entwicklung von KI
Voraussetzungen
- Grundlegendes Verständnis von Machine-Learning-Konzepten
- Kenntnisse in Python-Programmierung
Zielgruppe
- KI-Einsteigerinnen und -Einsteiger
- Enthusiasten und -iastinnen der Datenwissenschaft
