Open the Black Box: Erklärbarkeit von maschinellen Lernverfahren

Neues Webinar

Logo - SPA Stuttgarter Produktionsakademie gGmbH

Logo - SPA Stuttgarter Produktionsakademie gGmbH

[...]

Deep-Learning-Ansätze basierend auf tiefen neuronalen Netzen sind mittlerweile in der Lage, komplexe Zusammenhänge zu erkennen und somit sehr genaue Entscheidungen zu treffen. Solche Algorithmen werden auch als Black Boxes bezeichnet, da deren komplexe Entscheidungsfindungsprozesse für Menschen nicht nachvollziehbar sind. In diesem Webinar wird zunächst in das Themenfeld der Erklärbarkeit von maschinellen Lernverfahren eingeführt. Hierzu werden Gründe aus der Praxis, aber auch aus gesetzlichen Anforderungen vorgestellt. Es erfolgt auch eine Einführung in grundlegende Konzepte, um Erklärbarkeit von maschinellen Lernverfahren herzustellen. Abschließend werde konkrete Methoden vorgestellt, welche insbesondere für neuronale Netze anwendbar sind.

Themen

  • Künstliche Intelligenz (KI)
  • Maschinelles Lernen
  • Deep-Learning-Ansätze
  • Erklärbarkeit von maschinellen Lernverfahren
  • Einführung in grundlegende Konzepte von maschinellen Lernverfahren
  • Einführung in Methoden für neuronale Netze

Qualifikationsziele

In diesem Webinar erhalten Sie eine Einführung zur Erklärbarkeit von maschinellen Lernverfahren. Hierzu werden Gründe aus der Praxis, aber auch aus gesetzlichen Anforderungen vorgestellt. Außerdem erhalten Sie einen Einblick in Methoden für neuronale Netze.

Als Teilnehmer

  • verstehen Sie das Thema Erklärbarkeit und dessen Notwendigkeit
  • können Sie verschiedene Repräsentationsformate für Erklärungen unterscheiden
  • kennen Sie Ansätze um Erklärbarkeit von neuronalen Netzen
  • erkennen Sie den erzielbaren Mehrwerts und Zuverlässigkeit gelieferter Erklärungen

Zielgruppe

Führungs- und Fachkräfte aus der Produktion und angrenzenden Bereichen, Verantwortliche aus den Bereichen Produktionsoptimierung, digitale Fabrik, maschinelles Lernen, technische Intelligenz, Personal- und Organisationsentwicklung sowie Wissensmanagement

Über den Referenten

Prof. Marco Huber, geb. am 12. Januar 1980 in Kehl, promovierte 2009 im Fach Informatik an der Universität Karlsruhe (TH). Von 2009 bis 2011 leitete er die Forschungsgruppe „Variable Bildgewinnung und –verarbeitung“ des Fraunhofer-Instituts für Optronik, Systemtechnik und Bildauswertung IOSB in Karlsruhe. Im Anschluss war er bis 2015 als Senior Researcher bei AGT International in Darmstadt tätig. Von April 2015 und bis September 2018 verantwortete Prof. Huber die Produktentwicklung und die Data-Science-Dienstleistungen des Bereichs Katana bei der USU Software AG in Karlsruhe. Zugleich lehrte er als Privatdozent für Informatik am Karlsruher Institut für Technologie (KIT). Seit Oktober 2018 ist er Inhaber der Professur für kognitive Produktionssysteme an der Universität Stuttgart und zugleich Leiter des Zentrums für Cyber-Cognitive Intelligence (CCI) am Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA. Seine Forschungsarbeiten konzentrieren sich auf die Themen maschinelles Lernen, Sensordatenanalyse und Robotik im produktionstechnischen Umfeld.

Termin

Das Webinar findet am 23.9.2019 von 10 Uhr bis ca. 11 Uhr statt.

Anmeldung

http://www.stuttgarter-produktionsakademie.de/webinare/maschinelle-lernverfahren/

Veröffentlicht am: 13. September 2019