Interpretables Machine Learning für verantwortungsvolle KI

Da künstliche Intelligenz wichtige Entscheidungen in Bereichen wie Finanzen und Gesundheitswesen übernimmt, ist es nicht mehr optional zu verstehen, wie Modelle zu ihren Schlussfolgerungen gelangen.Dieser Kurs befasst sich mit dem dringenden Bedarf an Transparenz und geht über die einfache Genauigkeit hinaus, um sicherzustellen, dass KI-Systeme fair, zuverlässig und erklärbar sind. Sie werden vom einfachen Erstellen von Modellen zum Auditieren übergehen und die Fähigkeiten erwerben, komplexe algorithmische Entscheidungen für Stakeholder zu erklären und die Ausrichtung an ethischen Standards sicherzustellen.Durch schriftliche Erklärungen und codebasierte Beispiele lernen Sie, die Lücke zwischen technischer Leistung und menschlichem Verständnis zu schließen. Was Sie lernen werden: - Verstehen Sie den grundlegenden Kompromiss zwischen Modellkomplexität und Interpretierbarkeit - Anwenden globaler Interpretationsmethoden wie Merkmalswichtigkeit und partielle Abhängigkeitsdiagramme - Beherrschen Sie lokale Erklärungstechniken wie LIME und SHAP, um individuelle Vorhersagen zu rechtfertigen - Identifizieren und mildern Sie algorithmische Verzerrungen, um ethische und faire KI-Ergebnisse zu gewährleisten - Analysieren Sie intrinsisch interpretierbare Modelle wie Entscheidungsbäume und verallgemeinerte lineare Modelle - Üben Sie die Bewertung der Modellzuverlässigkeit in Umgebungen mit hohen Einsätzen durch strukturierte Analyse Der Kurs beginnt mit der grundlegenden Terminologie und den grundlegenden Konzepten der Transparenz. Anschließend werden praktische Techniken für die Prüfung einfacher und komplexer Modelle vorgestellt. Sie werden schriftliche Übungen durchführen, die die Anwendung dieser Methoden auf moderne Datenworkflows verstärken. Dieser Kurs richtet sich an Einsteiger in Data Science und KI, die Ethik und Klarheit in den Vordergrund stellen möchten. Es ist keine Vorerfahrung mit Modellprüfung erforderlich. Beginnen Sie mit der Entwicklung von KI-Systemen, denen Menschen tatsächlich vertrauen können.