Worum geht's
Du lernst, wie man Systeme gestaltet und bewertet, die vertrauenswürdige Funktionen mit Machine-Learning-Komponenten bereitstellen. Am Ende kannst Du die Notwendigkeit, Vorteile und Herausforderungen solcher Systeme in verschiedenen Anwendungsfeldern beurteilen sowie Risiken analysieren und geeignete Maßnahmen zur Schaffung vertrauenswürdiger ML-Komponenten ableiten.
Was du danach kannst
- Bewertung von Bedarf, Nutzen und Herausforderungen vertrauenswürdiger Systeme mit ML-Modulen
- Verständnis der Beziehung zwischen vertrauenswürdigen Komponenten und dependablen Funktionen
- Kenntnis des European AI Act und relevanter Standards
- Bewertung von Bedenken beim Einsatz von ML in konkreten Anwendungen
- Erstellung angemessener Risikoanalysen
- Kenntnis der Dimensionen von Vertrauenswürdigkeit und Grundlagen zur Erstellung vertrauenswürdiger Systeme mit ML
Aus was das Modul besteht
- VorlesungVermittlung der strukturierten Inhalte zu Vertrauenswürdigkeit, Standards, Risikoanalyse und Architekturen; Diskussionen angereichert mit aktuellen ‚trusted AI‘-Nachrichten
Lehrmethode
- Präsentationstrukturierte Einführung der Inhalte zu Beginn der Vorlesung
- DiskussionEinbindung von Studierenden durch geführte Fragen und Diskussion aktueller Entwicklungen, Normen, Produkte und Probleme zur Vertiefung