Lehrinhalte
- Ziele und Herausforderungen von Erklärbarkeit in Computer Vision
- Interpretierbarkeit von klassischen Modellen des maschinellen Lernens
- Globale vs. lokale Erklärungen
- Nachträglich Erklärungen
- Intrinsisch erklärbare neuronale Netzwerke
- Evaluierung von Erklärungen
- Visualisierungstechniken von Erklärungen
- Anwendungsfelder
- XAI außerhalb von Klassifizierung
Voraussetzungen
Grundlegende Kenntnisse in den Bereichen Computer Vision, maschinelles Lernen und Deep Learning. Zum Beispiel erworben durch die Kurse Computer Vision I, Einführung in die Künstliche Intelligenz, Deep Learning: Architectures & Methods und/oder Statistisches Maschinelles Lernen.
Online-Angebote
moodle
Course Contents
- Goals and challenges of explainability for computer vision
- Interpretability of classical machine learning models
- Global vs. local explanations
- Post hoc explanations
- Intrinsically explainable neural networks
- Evaluation of explanations
- Visualization techniques
- Applications of explanations
- XAI beyond classification
Preconditions
Basic knowledge of computer vision, machine learning, and deep learning. For example, acquired through the courses Computer Vision I, Introduction to Artificial Intelligence, Deep Learning: Architectures & Methods, and/or Statistical Machine Learning.
Online Offerings
moodle
- Lehrende: Simone Schaub-Meyer