Kontakt aufnehmen

Schulungsübersicht

Einführung in Erklärbare KI (XAI) und Modelltransparenz

  • Was ist Erklärbare KI?
  • Warum Transparenz in KI-Systemen wichtig ist
  • Interpretierbarkeit vs. Leistungsfähigkeit in KI-Modellen

Übersicht über XAI-Techniken

  • Modellspezifische Methoden: SHAP, LIME
  • Modellspezifische Erklärbarkeits-Techniken
  • Erklärung von neuronalen Netzen und Deep-Learning-Modellen

Erstellung transparenter KI-Modelle

  • Implementierung interpretierbarer Modelle in der Praxis
  • Vergleich von transparenten Modellen vs. Black-Box-Modellen
  • Balance zwischen Komplexität und Erklärbarkeit

Fortgeschrittene XAI-Werkzeuge und Bibliotheken

  • Verwendung von SHAP für Modellinterpretation
  • Nutzung von LIME für lokale Erklärbarkeit
  • Visualisierung von Modellentscheidungen und -verhalten

Umgang mit Fairness, Bias und ethischer KI

  • Identifizierung und Minderung von Bias in KI-Modellen
  • Fairness in KI und deren gesellschaftliche Auswirkungen
  • Sicherstellung von Rechenschaftspflicht und Ethik bei der KI-Einführung

Reale Anwendungen von XAI

  • Fallstudien im Gesundheitswesen, Finanzsektor und Regierungsarbeit
  • Interpretation von KI-Modellen zur Einhaltung regulatorischer Vorschriften
  • Aufbau von Vertrauen durch transparente KI-Systeme

Zukünftige Entwicklungen in der Erklärbaren KI

  • Neuere Forschung in XAI
  • Herausforderungen beim Skalieren von XAI für große Systeme
  • Möglichkeiten für die Zukunft transparenter KI

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Erfahrung in Machine Learning und KI-Modellenentwicklung
  • Bekanntheit mit Python-Programmierung

Zielgruppe

  • Data Scientists
  • Machine Learning-Ingenieure
  • KI-Spezialisten
 21 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien