KI verstehen, die sich erklären lässt
Warum erklärbares Machine Learning wichtig ist
Die meisten KI-Systeme funktionieren wie Black Boxes. Sie liefern Ergebnisse, aber niemand versteht wirklich, wie sie zu diesen Schlüssen kommen. Das wird zum Problem, wenn Entscheidungen Konsequenzen haben.
In diesem Programm lernen Sie, wie moderne ML-Modelle interpretierbar gemacht werden. Sie arbeiten mit echten Datensätzen und bauen Systeme, die nicht nur präzise sind, sondern auch nachvollziehbar erklären, warum sie eine bestimmte Vorhersage treffen.
Der Fokus liegt auf praktischer Anwendung: SHAP-Werte, LIME, Feature-Importance-Analyse und andere Techniken, die in der Industrie tatsächlich verwendet werden.
Modulaufbau
Das Programm besteht aus sechs Modulen, die aufeinander aufbauen. Jedes Modul kombiniert theoretische Grundlagen mit praktischen Übungen.
Grundlagen interpretierbarer Modelle
Entscheidungsbäume, lineare Modelle und regelbasierte Systeme. Sie verstehen, welche Modelle von Natur aus transparent sind und wie diese in der Praxis eingesetzt werden.
SHAP und Feature Attribution
Shapley-Werte aus der Spieltheorie angewendet auf ML. Sie lernen, wie einzelne Features zu einer Vorhersage beitragen und wie man diese Ergebnisse visualisiert.
LIME und lokale Interpretationen
Local Interpretable Model-agnostic Explanations für komplexe Modelle. Sie erstellen lokale Approximationen und verstehen, wann diese Methode sinnvoll ist.
Counterfactual Explanations
Was müsste sich ändern, damit ein Modell anders entscheidet? Sie generieren kontrafaktische Erklärungen und evaluieren deren Plausibilität.
Neuronale Netze interpretieren
Attention-Mechanismen, Activation Mapping und Saliency Maps für Deep Learning. Sie visualisieren, worauf neuronale Netze bei Bildern oder Text achten.
Ethische und rechtliche Aspekte
DSGVO, Bias-Erkennung und fairness-orientiertes Design. Sie analysieren reale Fälle, in denen fehlende Erklärbarkeit zu Problemen führte.
Ihre Instruktoren
Alle Dozenten arbeiten aktiv in Forschung oder Industrie und haben mehrjährige Erfahrung mit erklärbarer KI.
Dr. Henrik Lindström
ML Engineer, Forschung zu XAI-Methoden
Elke Schreiber
Data Scientist, Spezialistin für Fairness
Omar Khalil
AI Ethics Researcher, DSGVO-Experte
Tomáš Novák
Deep Learning Spezialist, Computer Vision
Bereit anzufangen?
Das Programm startet laufend mit neuen Kohorten. Sie können zwischen Gruppensessions und individuellen Lernpfaden wählen, je nachdem, wie Sie am besten lernen.
- Zugang zu allen Kursmaterialien und Aufzeichnungen
- Wöchentliche Live-Sessions mit Instruktoren
- Praktische Projekte mit echten Datensätzen
- Peer-Review und Feedback von anderen Teilnehmern
- Optionale 1:1 Sessions für individuelle Fragen