Introduction to Responsible AI in Practice
Startdaten und Startorte
computer Online: 10. Feb 2025 |
placeMünchen 10. Feb 2025 |
computer Online: 21. Feb 2025 |
placeBerlin 21. Feb 2025 |
placeHamburg 21. Feb 2025 |
computer Online: 28. Feb 2025 |
placeFreiburg 28. Feb 2025 |
placeHeidelberg 28. Feb 2025 |
placeKarlsruhe 28. Feb 2025 |
placeSaarbrücken 28. Feb 2025 |
placeStuttgart 28. Feb 2025 |
computer Online: 17. Mär 2025 |
placeFrankfurt 17. Mär 2025 |
placeKöln 17. Mär 2025 |
computer Online: 28. Mär 2025 |
placeAugsburg 28. Mär 2025 |
placeMünchen 28. Mär 2025 |
placeNürnberg 28. Mär 2025 |
placePassau 28. Mär 2025 |
placeRegensburg 28. Mär 2025 |
Beschreibung
Modul 1 - KI-Prinzipien und verantwortungsvolle KI- Die KI-Grundsätze von Google
- Verantwortungsvolle AI-Praktiken
- Allgemeine bewährte Praktiken
- Überblick über Fairness in der KI
- Beispiele für Instrumente zur Untersuchung der Fairness von Datensätzen und Modellen
- Übung: TensorFlow-Datenvalidierung und TensorFlow-Modellanalyse zur Sicherstellung der Fairness verwenden
- Überblick über die Interpretierbarkeit in der KI
- Auswahl der Metrik
- Taxonomie der Erklärbarkeit in ML-Modellen
- Beispiele für Instrumente zur Untersuchung der Interpretierbarkeit
- Übung: Werkzeug zum Erlernen der Interpretierbarkeit von Textzusammenfassungen
Frequently asked questions
Es wurden noch keine FAQ hinterlegt. Falls Sie Fragen haben oder Unterstützung benötigen, kontaktieren Sie unseren Kundenservice. Wir helfen gerne weiter!
- Die KI-Grundsätze von Google
- Verantwortungsvolle AI-Praktiken
- Allgemeine bewährte Praktiken
- Überblick über Fairness in der KI
- Beispiele für Instrumente zur Untersuchung der Fairness von Datensätzen und Modellen
- Übung: TensorFlow-Datenvalidierung und TensorFlow-Modellanalyse zur Sicherstellung der Fairness verwenden
- Überblick über die Interpretierbarkeit in der KI
- Auswahl der Metrik
- Taxonomie der Erklärbarkeit in ML-Modellen
- Beispiele für Instrumente zur Untersuchung der Interpretierbarkeit
- Übung: Werkzeug zum Erlernen der Interpretierbarkeit von Textzusammenfassungen
- Überblick in Datenschutz in ML
- Sicherheit der Daten
- Modell Sicherheit
- Sicherheit für generative KI in der Google Cloud
- Überblick über die AI-Sicherheit
- Widersprüchliche Tests
- Sicherheit im Gen AI Studio
- Labor: Verantwortungsvolle KI mit Gen AI Studio
Werden Sie über neue Bewertungen benachrichtigt
Schreiben Sie eine Bewertung
Haben Sie Erfahrung mit diesem Kurs? Schreiben Sie jetzt eine Bewertung und helfen Sie Anderen dabei die richtige Weiterbildung zu wählen. Als Dankeschön spenden wir € 1,00 an Stiftung Edukans.Es wurden noch keine FAQ hinterlegt. Falls Sie Fragen haben oder Unterstützung benötigen, kontaktieren Sie unseren Kundenservice. Wir helfen gerne weiter!