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 fortgeschrittene XAI-Techniken
- Überblick über grundlegende XAI-Methoden
- Herausforderungen bei der Interpretation von komplexen KI-Modellen
- Trends in der XAI-Forschung und -Entwicklung
Modell-agnostische Erklärbarkeitstechniken
- SHAP (SHapley Additive ExPlanungen)
- LIME (Lokale Interpretierbare Modell-agnostische Erklärungen)
- Verankerte Erklärungen
Modell-spezifische Erklärbarkeitstechniken
- Schichtenweise Relevanzausbreitung (LRP)
- DeepLIFT (Deep Learning Important FeaTures)
- Gradientenbasierte Methoden (Grad-CAM, Integrierte Gradienten)
Erläutern von Deep Learning Modellen
- Interpretation von Faltungsneuronalen Netzen (CNNs)
- Erläuterung rekurrenter neuronaler Netze (RNNs)
- Analysieren von Transformator-basierten Modellen (BERT, GPT)
Umgang mit Herausforderungen bei der Interpretierbarkeit
- Umgang mit den Einschränkungen von Black-Box-Modellen
- Abwägen von Genauigkeit und Interpretierbarkeit
- Umgang mit Verzerrungen und Fairness in Erklärungen
Anwendungen von XAI in Systemen der realen Welt
- XAI im Gesundheits-, Finanz- und Rechtswesen
- KI-Regulierung und Compliance-Anforderungen
- Aufbau von Vertrauen und Verantwortlichkeit durch XAI
Zukünftige Trends in erklärbarer KI
- Aufkommende Techniken und Werkzeuge in XAI
- Erklärbarkeitsmodelle der nächsten Generation
- Chancen und Herausforderungen der KI-Transparenz
Zusammenfassung und nächste Schritte
Voraussetzungen
- Solides Verständnis von KI und maschinellem Lernen
- Erfahrung mit neuronalen Netzen und Deep Learning
- Vertrautheit mit grundlegenden XAI-Techniken
Zielgruppe
- Erfahrene KI-Forscher
- Ingenieure für maschinelles Lernen
21 Stunden
