Termin: Dienstag, 21. Juni 2022, 9:30 bis 11:30 Uhr
Das Zustandekommen der Ergebnisse von neuronalen Netzen ist häufig selbst für Expert*innen nur schwer nachvollziehbar. Für eine sichere und verantwortungsvolle Anwendung von neuronalen Netzen in sicherheitskritischen Bereichen ist eine Erklärung jedoch essenziell notwendig. Deswegen sind Verfahren zur Interpretierbarkeit von neuronalen Netzen ein aktives Forschungsfeld. Ziel ist es neben dem Erklären von Ergebnissen auch falsches Modellverhalten aufdecken zu können. Dazu sollen in diesem Workshop relevante Methoden vorgestellt und konkrete Werkzeuge zur Umsetzung von mehr Interpretierbarkeit diskutiert werden.
Interessierte Teilnehmer registrieren sich bitte für die Veranstaltung unter: ANMELDUNG (Log-in Code: neuro-net2)
| 9:30 - 9:35 Uhr | Begrüßung und Rückblick auf den letzten Workshop | |
| 9:35 - 10:20 Uhr | Regellernen zur Schwachstellenanalyse und Erklärbarkeit von Black-Box Modellen | Dr. Daniel Becker, Fraunhofer IAIS |
| 10:20 - 10:50 Uhr | Advantages, properties and limitations of model agnostic explainability techniques in Machine Learning | Dr. Antoine Gautier, QuantPi |
| 10:50 - 10:55 Uhr | Pause | |
| 10:55 - 11:25 Uhr | Diskussionsrunde | |
| 11:25 - 11:30 Uhr | Verabschiedung / Ausblick zu kommenden Workshops |
Bei Fragen stehen wir Ihnen sehr gerne zur Verfügung.
Dr. Maximilian Poretschkin
Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme IAIS
E-Mail: maximilian.poretschkin@iais.fraunhofer.de
Telefon: +49 2241 14-1984
Rebekka Görge
Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme IAIS
E-Mail: rebekka.goerge@iais.fraunhofer.de
Alexander Zimmermann
DIN
E-Mail: alexander.zimmermann@din.de
Telefon: +49 30 2601-2153
gefördert durch:
