Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
Entdecke die Macht der erklärbaren KI
Begib dich auf eine Reise in die faszinierende Welt der erklärbaren KI und lüfte die Geheimnisse hinter den KI-Entscheidungen. Dieser Kurs ist ideal für Data Scientists und ML-Praktiker. Er vermittelt dir die grundlegenden Fähigkeiten, um das Verhalten von KI-Modellen mit Python zu interpretieren und zu erklären, damit du transparentere, vertrauenswürdigere und verantwortungsvollere KI-Systeme entwickeln kannst. Indem du erklärbare KI beherrschst, verbesserst du deine Fähigkeit, Modelle zu debuggen, gesetzliche Anforderungen zu erfüllen und Vertrauen in KI-Anwendungen in verschiedenen Branchen aufzubauen.Techniken der Erklärbarkeit erforschen
Beginne damit, modellspezifische Erklärungsansätze zu verstehen. Nutze die Python-Bibliotheken wie Scikit-learn, um Entscheidungsbäume zu visualisieren und die Auswirkungen von Merkmalen in linearen Modellen zu analysieren. Dann gehst du zu modellunabhängigen Techniken über, die mit verschiedenen Modellen funktionieren. Nutze Tools wie SHAP und LIME, um detaillierte Einblicke in das Gesamtverhalten des Modells und einzelne Vorhersagen zu erhalten und deine Fähigkeit zu verbessern, KI-Modelle in realen Anwendungen zu analysieren und zu erklären.Tiefer in die Erklärbarkeit eintauchen
Lerne, die Zuverlässigkeit und Konsistenz von Erklärungen zu bewerten, die Feinheiten der Erklärung von unüberwachten Modellen zu verstehen und erkunde das Potenzial der Erklärung generativer KI-Modelle anhand praktischer Beispiele. Am Ende des Kurses verfügst du über das Wissen und die Werkzeuge, um die Entscheidungen von KI-Modellen sicher zu erklären und Transparenz und Vertrauenswürdigkeit in deinen KI-Anwendungen zu gewährleisten.Voraussetzungen
Lernprogramm
Kursübersicht
1
Grundlagen der erklärbaren KI
Deine Wissensreise beginnt mit einer Einführung in die grundlegenden Konzepte der erklärbaren KI. Du lernst, wie man Entscheidungsregeln aus Entscheidungsbäumen extrahiert. Du erfährst auch, wie du die Wichtigkeit von Merkmalen mithilfe von linearen und baumbasierten Modellen ableiten und visualisieren kannst, um die Vorhersagen dieser Modelle besser zu verstehen und somit die Entscheidungsfindung transparenter zu gestalten.
- Einführung in erklärbare KI50 XP
- Entscheidungsbäume vs. Neuronale Netze100 XP
- Modellunabhängige vs. modellspezifische Erklärbarkeit50 XP
- Erklärbarkeit in linearen Modellen50 XP
- Berechnung des Einflusses von Merkmalen mit linearer Regression100 XP
- Berechnung des Einflusses von Merkmalen mit logistischer Regression100 XP
- Erklärbarkeit in baumbasierten Modellen50 XP
- Berechnung der Merkmalswichtigkeit bei Entscheidungsbäumen100 XP
- Berechnung der Merkmalswichtigkeit bei Random Forests100 XP
2
Modellunabhängige Erklärbarkeit
Verwende leistungsstarke und modellunabhängige Techniken, um den Einfluss von Merkmalen auf verschiedene Modelle zu bewerten. Beachte die Permutationswichtigkeit und analysiere mithilfe von SHAP-Werten, wie sich Merkmale auf das Modellverhalten auswirken. Teste SHAP-Visualisierungstools, um Erklärbarkeitskonzepte verständlicher zu machen.
3
Lokale Erklärbarkeit
In diesem Kapitel befasst du dich mit der lokalen Erklärbarkeit und lernst, einzelne Modellvorhersagen zu analysieren. Außerdem nutzt du SHAP, um individuelle Prognosen zu erklären. Du arbeitest auch mit LIME, um spezifische Faktoren zu ermitteln, die einzelne Ergebnisse beeinflussen, sei es durch Text-, Tabellen- oder Bilddaten.
4
Komplexere Aspekte erklärbarer KI
Im letzten Kapitel geht es um fortgeschrittene Themen im Zusammenhang mit der Erklärbarkeit von KI. Du bewertest das Verhalten von Modellen und die Effektivität von Erklärungsmethoden. Du lernst, die Konsistenz und Zuverlässigkeit von Erklärungen zu beurteilen, arbeitest dich in die Analyse unüberwachter Modelle ein und widmest dich den Argumentationsprozessen von generativen KI-Modellen wie ChatGPT. Dabei eignest du dir Techniken an, mit denen du die Erklärbarkeit von komplexen KI-Systemen messen und verbessern kannst.
Erklärbare KI in Python
Kurs
abgeschlossen
