Die Interpretierbarkeit und Erklärbarkeit von Modellen ist ein wichtiges Kriterium bei der Auswahl von Machine Learning Modellen. Dieses Thema hat in letzter Zeit zurecht u. a. unter dem Stichwort XAI (Explainable AI) stark an Bedeutung gewonnen.
Gute Interpretierbarkeit bedeutet, dass die Entscheidung des Modells für den Menschen leicht zu verstehen ist. Neugier und der Wunsch zu verstehen und zu lernen, ist eine menschliche Eigenschaft. Wenn Menschen ein Modell verstehen, fällt es leichter, Vertrauen aufzubauen und die Lösung später zu akzeptieren. Das ist ein wichtiger Aspekt, wenn Machine Learning Modelle später produktiv gesetzt werden. Das bedeutet der Output des Modells wird den Anwendern gemäß Use Case zur Verfügung gestellt.
In unserem Webinar zeigen wir verschiedene Möglichkeiten zur technischen Realisierung einer Daten-Pipeline und wie ein Modell als Softwarelösung mit entsprechender Bedienoberfläche qualitativ hochwertig entwickelt werden kann.
Veranstaltungsart
Webinar – online
Seminarzeit
13. November 2024, 16:30 bis 17:30 Uhr
Referenten
Dr. Oliver Jöbstl und Ing. Gernot Freisinger, BSc, MA
Teilnahmegebühr
kostenlos
