Schulungsübersicht
Einführung in die Erklärbarkeit im Deep Learning
- Was sind Black-Box-Modelle?
- Warum ist Transparenz bei KI-Systemen wichtig?
- Übersicht über die Herausforderungen der Erklärbarkeit bei neuronalen Netzen
Fortschrittliche XAI-Techniken für Deep Learning
- Modellunabhängige Methoden wie LIME und SHAP
- Layer-wise Relevance Propagation (LRP)
- Aufmerksamkeitskarten sowie gradientenbasierte Verfahren
Interpretation von Entscheidungen neuronaler Netze
- Sichtbarmachung der verborgenen Schichten in neuronalen Netzen
- Verständnis von Aufmerksamkeitsmechanismen in Deep Learning-Modellen<\/li>
- Erzeugung menschenlesbarer Erklärungen aus neuronalen Netzen
Werkzeuge zur Erklärbarkeit von Deep Learning-Modellen
- Einführung in Open-Source-XAI-Bibliotheken
- Nutzung von Captum und InterpretML im Deep Learning-Kontext
- Integration erklärbarer Methoden in TensorFlow und PyTorch
Interpretierbarkeit versus Leistungsfähigkeit
- Auswirkungen der Abwägung zwischen Genauigkeit und Verständlichkeit
- Gestaltung von Deep Learning-Modellen, die sowohl performant als auch nachvollziehbar sind
- Umgang mit Vorurteilen sowie Fairnessproblemen im Deep Learning
Praktische Anwendungen der Erklärbarkeit im Deep Learning
- Einsatzmöglichkeiten in medizinischen KI-Modellen
- Rechtliche und regulatorische Vorgaben hinsichtlich Transparenz bei KI
- Umsetzung verständlicher Deep Learning-Modelle im Produktivbetrieb
Ethische Aspekte der erklärbaren KI im Deep Learning
- Ethische Folgen von Transparenz bei KI-Systemen
- Ausgewogene Verbindung zwischen ethischer Praxis und technischer Innovation<\/li>
- Datenschutzbedenken in Bezug auf die Erklärbarkeit neuronaler Netze
Zusammenfassung sowie weitere Schritte
Voraussetzungen
- Grundlegende Kenntnisse im Bereich Deep Learning
- Bekanntschaft mit Python sowie gängigen Deep Learning-Frameworks
- Erfahrung in der Arbeit mit neuronalen Netzen
Zielgruppe
- Ingenieure für Deep Learning
- KI-Spezialisten
Erfahrungsberichte (2)
Erfahrungsaufbau im Bereich der Prompt-Wiederholung für Personen, die zuvor keine KI genutzt haben, sowie die Einführung alternativer Methoden der KI-Nutzung für bestehende Anwender.
Matthew Gay - Tarsus Pharmaceuticals
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
