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.
Dauer 14 Stunden
Schulungsübersicht
Einführung in Explainable AI
- Was ist Explainable AI (XAI)?
- Bedeutung der Transparenz in KI-Modellen
- Wichtige Herausforderungen in der KI-Interpretierbarkeit
Grundlegende XAI-Techniken
- Modell-agnostische Methoden: LIME, SHAP
- Modellspezifische Erklärbarkeitsmethoden
- Erklärung von Entscheidungen, die von Black-Box-Modellen getroffen werden
Praxis mit XAI-Tools
- Einführung in Open-Source-XAI-Bibliotheken
- Implementierung von XAI in einfachen Machine-Learning-Modellen
- Visualisierung von Erklärungen und Modellverhalten
Herausforderungen in der Erklärbarkeit
- Trade-offs zwischen Genauigkeit und Interpretierbarkeit
- Limitierungen aktueller XAI-Methoden
- Bearbeitung von Verzerrung und Fairness in erklärbaren Modellen
Ethische Überlegungen in XAI
- Verständnis der ethischen Implikationen von KI-Transparenz
- Balance zwischen Erklärbarkeit und Modellleistung
- Schutz von Privatsphäre und Daten in XAI
Praktische Anwendungen von XAI
- XAI im Gesundheitswesen, in der Finanzbranche und im Strafverfolgungswesen
- Regulatorische Anforderungen an die Erklärbarkeit
- Aufbau von Vertrauen in KI-Systeme durch Transparenz
Fortgeschrittene XAI-Konzepte
- Untersuchung kontrafaktischer Erklärungen
- Erklärung von neuronalen Netzen und Deep-Learning-Modellen
- Interpretation komplexer KI-Systeme
Zukunftstrends in Explainable AI
- Entstehende Techniken in der XAI-Forschung
- Herausforderungen und Chancen für zukünftige KI-Transparenz
- Auswirkungen von XAI auf die verantwortungsvolle KI-Entwicklung
Voraussetzungen
- Grundlegendes Verständnis von Machine-Learning-Konzepten
- Vertrautheit mit der Programmiersprache Python
Zielgruppe
- KI-Einsteiger
- Enthusiasten der Data Science
