Dauer:
1 Semester | Angebotsturnus:
Jedes Sommersemester | Leistungspunkte:
12 |
Studiengang, Fachgebiet und Fachsemester: - Master Artificial Intelligence 2023 (Pflicht), Künstliche Intelligenz, 3. und 4. Fachsemester
|
Lehrveranstaltungen: - CS5075-P: Trustworthy AI (Praktikum, 2 SWS)
- CS5076-V: Human-Centered Trustworty AI (Vorlesung, 3 SWS)
- CS5075-V: Trustworthy AI (Vorlesung, 3 SWS)
| Workload: - 90 Stunden E-Learning
- 30 Stunden Eigenständige Projektarbeit
- 240 Stunden Selbststudium
| |
Lehrinhalte: | - Menschenzentrierte KI: Kognitive Modellierung / Verhaltensmodellierung / Benutzer- und Gruppenmodellierung / Personalisierung / Kognitive Architekturen / Menschengerechte Planung / Nachweislich nützliche KI / Ethik für KI-Systeme
- - Vertrauenswürdige KI: Leitprinzipien der vertrauenswürdigen KI: gesetzeskonforme, ethische und robuste KI l Grundlagen der vertrauenswürdigen Datenverarbeitung: Security, Privacy, Dependability, Safety, Transparency, Explainability, Traceability, Accountability / De-anonymization methods using machine learning models / Mathematical notions for privacy-preserving machine learning methods / Privacy-preserving machine learning methods / Analysis of machine learned models (robustness check, explainability / Verification of machine learned models (statistical Testing, Model Checking) / Black-Box-Methoden zur Extraktion von maschinellen Lernmodellen (aus ökonomischen Gründen, zur Analyse und zur Verifikation) / Angriffe zur Manipulation von maschinellen Lernmodellen (Gegenbeispiele, Backdoors) Härtung von maschinellen Lernmethoden gegen Manipulationsmethoden / Robuste maschinelle Lernmethoden gegen Manipulationsangriffe / Sichere und datenschutzgerechte verteilte Lernmethoden (datenschutzgerechtes föderiertes Lernen)
| |
Qualifikationsziele/Kompetenzen: - Für alle in den Kursinhalten unter den Gliederungspunkten aufgeführten Themen können die Studierenden die zentralen Ideen benennen, die jeweils relevanten Begriffe definieren und die Funktionsweise der zugehörigen Algorithmen anhand von Anwendungsbeispielen erklären.
|
Vergabe von Leistungspunkten und Benotung durch: |
Setzt voraus: |
Modulverantwortlicher: Lehrende: |
Literatur: - N. Li, M. Lyu, D. Su, W. Yang: Differential Privacy: From Theory to Practice - Morgan Claypool, 2016
- S. Farrel, S. Lewandowsky: Computational Modeling of Cognition and Behavior - Cambridge University Press, 2018
- G. Marcus, E. Davis: Rebooting AI: Building Artificial Intelligence We Can Trust - Pantheon Books, 2019
- S.J. Russell: Human Compatible: Artificial Intelligence and the Problem of Control - Penguin Books, 2020
- M.H. ur Rehman, M.M. Gaber: Federated Learning Systems: Towards Next-Generation AI - Springer, 2021
- C.S. Nam, J.-Y. Jung, S. Lee (Eds.): Human-Centered Artificial Intelligence: Research and Applications - Elsevier, 2022
- B. Ammanath: Trustworthy AI: A Business Guide for Navigating Trust and Ethics in AI - Wiley, 2022
|
Sprache: - Wird nur auf Englisch angeboten
|
Bemerkungen:Zulassungsvoraussetzungen zur Belegung des Moduls:
- Keine (die Kompetenzen der unter Setzt voraus genannten Module werden für dieses Modul benötigt, sind aber keine formale Voraussetzung)
Zulassungsvoraussetzungen zur Teilnahme an Modul-Prüfung(en):
- 50% der Punkte des Online-Quiz
Modulprüfung(en):
CS5076-L1: Portfolioprüfung Human-Centered Trustworthy AI mit insgesamt 100 Punkten, wie folgt aufgeteilt:
- 50 Punkte für einen E-Test (mündlich oder schriftlich)
- 50 Punkte für eine Projektpräsentation |
Letzte Änderung: 15.2.2024 |
für die Ukraine