Introduction to Responsible AI in Practice (IRAP) - Online Training

Modul 1 - KI-Prinzipien und verantwortungsvolle KI

• Die KI-Grundsätze von Google
• Verantwortungsvolle AI-Praktiken
• Allgemeine bewährte Praktiken

Modul 2 - Fairness in der KI

• 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

Modul 3 - Interpretierbarkeit von AI

• 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

Modul 4 - Datenschutz in ML

• Überblick in Datenschutz in ML
• Sicherheit der Daten
• Modell Sicherheit
• Sicherheit für generative KI in der Google Cloud

Modul 5 - AI-Sicherheit

• Überblick über die AI-Sicherheit
• Widersprüchliche Tests
• Sicherheit im Gen AI Studio
• Labor: Verantwortungsvolle KI mit Gen AI Studio

Lernziele

• Überblick über die Grundsätze und Praktiken von Responsible AI
• Implementierung von Verfahren zur Überprüfung auf unlautere Verzerrungen in Modellen des maschinellen Lernens
• Erforschung von Techniken zur Interpretation des Verhaltens von Modellen des maschinellen Lernens in einer für den Menschen verständlichen Weise
• Schaffung von Prozessen, die den Schutz sensibler Daten in Anwendungen für maschinelles Lernen gewährleisten
• Verstehen von Techniken zur Gewährleistung der Sicherheit generativer KI-gestützter Anwendungen

Zielgruppen

Praktiker des maschinellen Lernens und Entwickler von KI-Anwendungen, die generative KI auf verantwortungsvolle Weise nutzen möchten.