Explainability in Deep Learning: Demystifying Black-Box Models Schulung

Diese von einem Dozenten geleitete Live-Schulung in Deutschland (online oder vor Ort) richtet sich an fortgeschrittene Fachleute, die ihr Verständnis von XAI-Techniken für komplexe KI-Modelle verbessern möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Modernste XAI-Techniken in KI-Modelle zu implementieren.
• Deep-Learning-Modelle und ihre Entscheidungen zu interpretieren.
• fortgeschrittene modellunabhängige und modellspezifische Erklärungsmethoden anzuwenden.
• Herausforderungen im Zusammenhang mit der Transparenz von KI in komplexen Systemen anzugehen.

Dieser Kurs umfasst AI (emphasizing Machine Learning und Deep Learning) in Automotive Industrie. Es hilft zu bestimmen, welche Technologie (potenziell) in mehreren Situationen in einem Auto verwendet werden kann: von einfacher Automatisierung, Bilderkennung bis hin zu autonomen Entscheidungsfindung.

Dieser Kurs richtet sich an Manager, Lösungsarchitekten, Innovationsbeauftragte, CTOs, Softwarearchitekten und alle, die sich für einen Überblick über angewandte künstliche Intelligenz und die nächsten Prognosen für ihre Entwicklung interessieren.

This instructor-led, live training in Deutschland (online or onsite) is aimed at beginner-level participants who wish to learn essential concepts in probability, statistics, programming, and machine learning, and apply these to AI development.

By the end of this training, participants will be able to:

• Understand basic concepts in probability and statistics, and apply them to real-world scenarios.
• Write and understand procedural, functional, and object-oriented programming code.
• Implement machine learning techniques such as classification, clustering, and neural networks.
• Develop AI solutions using rules engines and expert systems for problem-solving.

Ein künstliches neuronales Netz ist ein Datenmodell, das bei der Entwicklung von Artificial Intelligence (AI) Systemen verwendet wird, die in der Lage sind, "intelligente" Aufgaben auszuführen. Künstliche Neuronale Netze Neural Networks werden häufig in Machine Learning (ML)-Anwendungen verwendet, die ihrerseits eine Implementierung von KI sind. Deep Learning ist eine Teilmenge von ML.

This instructor-led, live training in Deutschland (online or onsite) is aimed at intermediate-level data scientists and statisticians who wish to prepare data, build models, and apply machine learning techniques effectively in their professional domains.

By the end of this training, participants will be able to:

• Understand and implement various Machine Learning algorithms.
• Prepare data and models for machine learning applications.
• Conduct post hoc analyses and visualize results effectively.
• Apply machine learning techniques to real-world, sector-specific scenarios.

This instructor-led, live training in Deutschland (online or onsite) provides an introduction into the field of pattern recognition and machine learning. It touches on practical applications in statistics, computer science, signal processing, computer vision, data mining, and bioinformatics.

By the end of this training, participants will be able to:

• Apply core statistical methods to pattern recognition.
• Use key models like neural networks and kernel methods for data analysis.
• Implement advanced techniques for complex problem-solving.
• Improve prediction accuracy by combining different models.

Typ: Theoretische Ausbildung mit Anwendungen, die im Vorfeld mit den Schülern auf Lasagne oder Keras je nach pädagogischer Gruppe beschlossen wurden.

Pädagogische Methode: Präsentation, Austausch und Fallstudien.

Die künstliche Intelligenz hat nach der Umwälzung zahlreicher wissenschaftlicher Bereiche begonnen, eine große Anzahl von Wirtschaftssektoren (Industrie, Medizin, Kommunikation usw.) zu revolutionieren. Dennoch ist ihre Darstellung in den großen Medien oft ein Phantasieprodukt, das weit von dem entfernt ist, was die Bereiche Machine Learning oder Deep Learning tatsächlich sind. Ziel dieses Kurses ist es, Ingenieuren, die sich bereits mit Informatikwerkzeugen (einschließlich Softwareprogrammierung) auskennen, eine Einführung in die Deep Learning und ihre verschiedenen Fachgebiete und damit in die wichtigsten Netzwerkarchitekturen zu geben, die es heute gibt. Während die mathematischen Grundlagen während des Kurses wiederholt werden, wird für die Bequemlichkeit ein Mathematikniveau vom Typ BAC+2 empfohlen. Es ist absolut möglich, die mathematische Achse auszulassen, um nur eine "System"-Sicht zu behalten, aber dieser Ansatz wird Ihr Verständnis des Themas enorm einschränken.

In diesem von Lehrern geleiteten Live-Training lernen die Teilnehmer, wie sie Matlab zum Entwerfen, Erstellen und Visualisieren eines neuronalen Faltungsnetzwerks für die Bilderkennung verwenden.

Am Ende dieser Schulung können die Teilnehmer:

• Bauen Sie ein Deep-Learning-Modell auf
• Datenbeschriftung automatisieren
• Arbeiten Sie mit Modellen von Caffe und TensorFlow - Keras
• Trainieren Sie Daten mit mehreren GPU , der Cloud oder Clustern

Publikum

• Entwickler
• Ingenieure
• Domain-Experten

Format des Kurses

• Teilvorlesung, Teildiskussion, Übungen und viel praktisches Üben

Das Training richtet sich an Personen, die die Grundlagen neuronaler Netze und ihrer Anwendungen erlernen möchten.

Dieser Kurs ist eine Einführung in die Anwendung neuronaler Netze bei realen Problemen mit R-Project-Software.

In dieser von einem Trainer geleiteten Live-Schulung lernen die Teilnehmer, wie sie die Vorteile der Innovationen bei TPU-Prozessoren nutzen können, um die Leistung ihrer eigenen KI-Anwendungen zu maximieren.

Am Ende der Schulung werden die Teilnehmer in der Lage sein:

• Trainieren Sie verschiedene Arten von neuronalen Netzen auf großen Datenmengen.
• Nutzen Sie TPUs, um den Inferenzprozess um bis zu zwei Größenordnungen zu beschleunigen.
• Nutzen Sie TPUs zur Verarbeitung intensiver Anwendungen wie Bildsuche, Cloud Vision und Fotos.

Diese Live-Schulung in Deutschland (online oder vor Ort) richtet sich an Einsteiger, die die Grundlagen der erklärbaren KI und ihre Rolle bei der Entwicklung verantwortungsvoller KI-Systeme erlernen möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• die grundlegenden Konzepte der erklärbaren KI zu verstehen.
• die Bedeutung von Transparenz und Interpretierbarkeit in KI-Modellen zu erkunden.
• Grundlegende Techniken erlernen, um KI-Modelle erklärbar zu machen.
• XAI-Techniken auf einfache maschinelle Lernmodelle anwenden.

Diese Live-Schulung in Deutschland (online oder vor Ort) richtet sich an Fachleute auf mittlerem Niveau, die erklärbare KI-Techniken anwenden möchten, um Fairness, Transparenz und ethische KI-Systeme zu gewährleisten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Die Rolle von XAI in ethischen KI-Systemen zu verstehen.
• XAI-Techniken zu implementieren, um Verzerrungen in KI-Modellen zu erkennen und abzuschwächen.
• Transparenz in den Entscheidungsprozessen von KI-Modellen zu gewährleisten.
• KI-Entwicklung mit ethischen und regulatorischen Standards in Einklang bringen.

Diese von einem Ausbilder geleitete Live-Schulung in Deutschland (online oder vor Ort) richtet sich an Fachleute auf mittlerem bis fortgeschrittenem Niveau, die transparente KI-Systeme in realen Anwendungen einsetzen möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Die Bedeutung von Transparenz in KI-Modellen zu verstehen.
• fortgeschrittene XAI-Techniken zu implementieren, um komplexe Modelle zu interpretieren.
• die Modelltransparenz mit SHAP, LIME und anderen Werkzeugen zu verbessern.
• Ethische Bedenken und Fairness in KI-Modellen anzusprechen.