Schulungsübersicht
Einführung in die Erklärbarkeit im Deep Learning
- Was sind Black-Box-Modelle?
- Die Bedeutung von Transparenz in KI-Systemen
- Überblick über die Herausforderungen der Erklärbarkeit in neuronalen Netzen
Fortschrittliche XAI-Techniken für Deep Learning
- Modellagnostische Methoden für Deep Learning: LIME, SHAP
- Schichtweise Relevanzpropagierung (LRP)
- Saliency Maps und gradientenbasierte Methoden
Erläuterung von Entscheidungen neuronaler Netze
- Visualisierung verborgener Schichten in neuronalen Netzen
- Verständnis der Aufmerksamkeitsmechanismen in Deep-Learning-Modellen
- Erstellung menschenlesbarer Erklärungen aus neuronalen Netzen
Tools zur Erklärung von Deep-Learning-Modellen
- Einführung in Open-Source-XAI-Bibliotheken
- Verwendung von Captum und InterpretML für Deep Learning
- Integration von Erklärbarkeitstechniken in TensorFlow und PyTorch
Interpretierbarkeit vs. Leistung
- Abwägungen zwischen Genauigkeit und Interpretierbarkeit
- Konzipierung interpretierbarer und leistungsstarker Deep-Learning-Modelle
- Umgang mit Bias und Fairness im Deep Learning
Anwendungsfälle der Erklärbarkeit im Deep Learning in der Praxis
- Erklärbarkeit in KI-Modellen für das Gesundheitswesen
- Regulatorische Anforderungen an Transparenz in der KI
- Bereitstellung interpretierbarer Deep-Learning-Modelle im Produktivbetrieb
Ethische Überlegungen zur erklärbaren KI
- Ethische Implikationen der KI-Transparenz
- Balance zwischen ethischen KI-Praktiken und Innovation
- Datenschutzbedenken bei der Erklärbarkeit im Deep Learning
Zusammenfassung und nächste Schritte
Voraussetzungen
- Fortgeschrittenes Verständnis von Deep Learning
- Kenntnisse in Python und Deep-Learning-Frameworks
- Erfahrung im Umgang mit neuronalen Netzen
Zielgruppe
- Deep-Learning-Ingenieurinnen und -Ingenieure
- KI-Spezialistinnen und -Spezialisten
Erfahrungsberichte (2)
Erfahrungsaufbau im Bereich der Prompt-Wiederholung für Personen, die zuvor keine KI genutzt haben, sowie die Einführung alternativer Methoden der KI-Nutzung für bestehende Anwender.
Matthew Gay - Tarsus Pharmaceuticals
Kurs - Artificial Intelligence (AI) Overview
Maschinelle Übersetzung
Nach grundlegenden Prinzipien arbeiten und sich innerhalb desselben Tages auf die Anwendung von Fallstudien konzentrieren
Maggie Webb - Department of Jobs, Regions, and Precincts
Kurs - Artificial Neural Networks, Machine Learning, Deep Thinking
Maschinelle Übersetzung
