Inhalt

[ 993MLPEEAIV20 ] VL (*)Explainable AI

Versionsauswahl
(*) Leider ist diese Information in Deutsch nicht verfügbar.
Workload Ausbildungslevel Studienfachbereich VerantwortlicheR Semesterstunden Anbietende Uni
1,5 ECTS M2 - Master 2. Jahr Artificial Intelligence Marc Streit 1 SSt Johannes Kepler Universität Linz
Detailinformationen
Quellcurriculum Masterstudium Artificial Intelligence 2020W
Ziele (*)Visualization has proven to be valuable for explaining and understanding complex machine learning models. This lecture on the topic of Explainable AI (XAI) will give an overview of WHY we want to visualize, WHO uses XAI, WHAT to visualize; HOW to visualize, and WHEN to visualize.
Lehrinhalte (*)
  • Introduction and Course Overview
  • Fundamentals & Explaining Algorithms
  • Explaining Through Projections
  • Visual Analytics for Deep Learning
  • Overview of Explanation Techniques
  • Selected Recent Work & Case Studies
Beurteilungskriterien (*)Written exam (oral exam in exceptional cases).
Lehrmethoden (*)Slides combined with case studies and in-class exercises.
Abhaltungssprache Englisch
Literatur (*)Study material will be provided during the course.
Lehrinhalte wechselnd? Nein
Sonstige Informationen (*)The lecture can be combined with an optional practical lab.
Äquivalenzen (*)in collaboration with 993MLPEEAIU20: UE Explainable AI (1.5 ECTS) equivalent to
993MLPEEAIK19: KV Explainable AI (3 ECTS)
Präsenzlehrveranstaltung
Teilungsziffer -
Zuteilungsverfahren Direktzuteilung