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 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