Machine Learning and Society (3 ECTS)

Worum geht's

Du lernst, wie Machine Learning gesellschaftliche Strukturen, Werte und Entscheidungen beeinflusst und welche ethischen, sozialen und technischen Herausforderungen daraus entstehen. Am Ende kannst du ML-Systeme kritisch beurteilen, mögliche Biases und Schäden erkennen sowie Ansätze zur Ausrichtung, Prüfung (Auditing) und Absicherung (Red Teaming) von ML-Systemen anwenden.

Was du danach kannst

• Kritische Bewertung von ML-Technologien und ihren gesellschaftlichen Auswirkungen
• Erkennen und Analysieren algorithmischer Biases
• Verständnis formaler Fairness-Definitionen und ihrer Grenzen
• Kenntnisse zu Alignment-Problemen bei Large Language Models
• Praktische Fähigkeiten in Auditing- und Red-Teaming-Ansätzen
• Einschätzung der Grenzen von Vorhersagemodellen
• Identifikation und Bewertung verschiedener algorithmischer Schäden
• Verstehen von ML als sozio-technisches System und Stakeholder-Rollen

Aus was das Modul besteht

• VorlesungEinführung in zentrale Konzepte; Vorträge, Folien und Präsentationen; kurze Übungen und Fragebeantwortung zur Sicherung des Verständnisses

Lehrmethode

• VorlesungVermittlung der Schlüsselkonzepte und Diskussion von Fallbeispielen
• Kurzübungen/FragenSicherstellung des Verständnisses und Anwendung des Gelernten während der Veranstaltung
• PräsentationenDarstellung von Themen und Fallstudien durch Lehrende bzw. Studierende