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 (XAI) und Modelltransparenz
- Was ist Explainable AI?
- Warum Transparenz in KI-Systemen wichtig ist
- Interpretierbarkeit versus Leistungsfähigkeit von KI-Modellen
Überblick über XAI-Techniken
- Modellagnostische Methoden: SHAP, LIME
- Modellspezifische Erklärungstechniken
- Erläuterung von neuronalen Netzen und Tiefenlern-Modellen
Transparenzfähige AI-Modelle erstellen
- Praktische Implementierung interpretierbarer Modelle
- Vergleich transparenter Modelle mit Black-Box-Modellen
- Ausbalancieren von Komplexität und Interpretierbarkeit
Erweiterte XAI-Werkzeuge und Bibliotheken
- Nutzung von SHAP zur Modellinterpretation
- Nutzung von LIME für lokale Erklärungen
- Visualisierung der Entscheidungen und Verhaltensweisen von Modellen
Gerechtigkeit, Bias und ethische KI behandeln
- Identifizieren und Mitigieren von Biases in KI-Modellen
- Gerechtigkeit in der KI und ihre gesellschaftlichen Auswirkungen
- Gewährleistung von Verantwortung und Ethik bei der Nutzung von KI
Praktische Anwendungen von XAI
- Fallstudien im Gesundheitswesen, in der Finanzindustrie und im Bereich der Regierung
- Interpretation von AI-Modellen für die Rechtseinhaltung
- Vertrauen durch transparente KI-Systeme aufbauen
Zukünftige Entwicklungen in der Erklärbarkeit von KI
- Neueste Forschungsergebnisse im Bereich XAI
- Herausforderungen bei der Skalierung von XAI für große Systeme
- Chancen für die Zukunft transparenter KI
Zusammenfassung und nächste Schritte
Voraussetzungen
- Erfahrung im Bereich Maschinelles Lernen und Entwicklung von KI-Modellen
- Kenntnisse in Python-Programmierung
Zielgruppe
- Datenwissenschaftler
- Maschinelles-Lernen-Ingenieure
- KI-Spezialisten
21 Stunden