Interview zur Interpretierbarkeit
von künstlicher Intelligenz
Formal Metadata
| Title | Interview zur Interpretierbarkeit
von künstlicher Intelligenz |
|
| Subtitle | Themenblock Explainable AI |
|
| Alternative Title | 10_01Frage_Interview_UT_de |
|
| Title of Series | |
| Number of Parts | 102 |
| Author | |
| Contributors | |
| License | CC Attribution 4.0 International: You are free to use, adapt and copy, distribute and transmit the work or content in adapted or unchanged form for any legal purpose as long as the work is attributed to the author in the manner specified by the author or licensor. |
| Identifiers | |
| Publisher | |
| Release Date | |
| Language | |
| Production Year | 2024 |
| Production Place | Heinrich-Heine-Universität Düsseldorf |
Content Metadata
| Subject Area | |
| Genre | |
| Abstract | In diesem Interview werden wir das Thema „Die Interpretierbarkeit“ von KI-Modellen erkunden. Christoph Molnar ist ein angesehener Experte rund um unser heutiges Thema und Autor des Buches „Interpretable Machine Learning, A Guide for Making Black Box Models Explainable“. Wir werden mit Christoph über die Bedeutung der Interpretierbarkeit von KI-Modellen sprechen, die mittlerweile in vielen Anwendungen von KI eine entscheidende Rolle spielt.
Lernziele
Nach diesem Video kannst du ...
... die Grundkonzepte des Themas „Interpretable AI“ erläutern.
... verstehen, dass Modelle des überwachten Lernens oft als Black-Boxen verstanden werden und daher einer sorgfältigen Interpretation bedürfen.
... erkennen, dass es nicht ausreicht, Modellen allein aufgrund gut erscheinender Ergebnisse Vertrauen zu schenken. |
|
| Keywords | |