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 (3)
Mir hat besonders der Schluss gefallen, als wir die Zeit nahmen, mit CHAT GPT herumzuspielen. Der Raum war dafür jedoch nicht optimal eingerichtet – anstelle eines großen Tisches wären ein paar kleinere Tische nützlicher gewesen, damit wir in kleinen Gruppen zusammenkommen und brainstormen könnten.
Nola - Laramie County Community College
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
Dass es reale Firmendaten verwendete. Der Trainer hatte einen sehr guten Ansatz, indem er die Teilnehmer aktiv einbezog und sie miteinander wetteifern ließ.
Jimena Esquivel - Zaklad Uslugowy Hakoman Andrzej Cybulski
Kurs - Applied AI from Scratch in Python
Maschinelle Übersetzung
