Schulungsübersicht
Einführung in Deep Learning Erklärbarkeit
- Was sind Black-Box-Modelle?
- Die Bedeutung von Transparenz in KI-Systemen
- Überblick über die Herausforderungen der Erklärbarkeit in neuronalen Netzen
Fortgeschrittene XAI-Techniken für Deep Learning
- Modell-agnostische Methoden für Deep Learning: LIME, SHAP
- Schichtenweise Relevanzausbreitung (LRP)
- Salienzkarten und gradientenbasierte Methoden
Erklären von Entscheidungen in neuronalen Netzen
- Visualisierung versteckter Schichten in neuronalen Netzwerken
- Verstehen von Aufmerksamkeitsmechanismen in Deep-Learning-Modellen
- Generierung von für Menschen lesbaren Erklärungen aus neuronalen Netzen
Werkzeuge zur Erklärung von Deep Learning-Modellen
- Einführung in Open-Source XAI-Bibliotheken
- Verwendung von Captum und InterpretML für tiefes Lernen
- Integration von Erklärbarkeitstechniken in TensorFlow und PyTorch
Interpretierbarkeit vs. Leistung
- Abwägung zwischen Genauigkeit und Interpretierbarkeit
- Entwurf interpretierbarer und dennoch leistungsfähiger Deep-Learning-Modelle
- Umgang mit Verzerrungen und Fairness beim Deep Learning
Praktische Anwendungen von Deep Learning Erklärbarkeit
- Erklärbarkeit in KI-Modellen für das Gesundheitswesen
- Regulatorische Anforderungen an die Transparenz von KI
- Einsatz interpretierbarer Modelle für tiefes Lernen in der Produktion
Ethische Erwägungen bei erklärbaren Deep Learning
- Ethische Implikationen der KI-Transparenz
- Abwägung zwischen ethischen KI-Praktiken und Innovation
- Bedenken hinsichtlich des Datenschutzes bei der Erklärbarkeit von Deep Learning
Zusammenfassung und nächste Schritte
Voraussetzungen
- Fortgeschrittenes Verständnis von Deep Learning
- Vertrautheit mit Python und Deep-Learning-Frameworks
- Erfahrung in der Arbeit mit neuronalen Netzen
Zielgruppe
- Deep-Learning-Ingenieure
- KI-Spezialisten
Erfahrungsberichte (3)
Mir hat besonders der Schluss gefallen, als wir die Zeit nahmen, mit CHAT GPT herumzuspielen. Der Raum war dafür jedoch nicht optimal eingerichtet – anstelle eines großen Tisches wären ein paar kleinere Tische nützlicher gewesen, damit wir in kleinen Gruppen zusammenkommen und brainstormen könnten.
Nola - Laramie County Community College
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
Dass es reale Firmendaten verwendete. Der Trainer hatte einen sehr guten Ansatz, indem er die Teilnehmer aktiv einbezog und sie miteinander wetteifern ließ.
Jimena Esquivel - Zaklad Uslugowy Hakoman Andrzej Cybulski
Kurs - Applied AI from Scratch in Python
Maschinelle Übersetzung
