inf5402 - Vertrauenswürdiges Maschinelles Lernen (Vollständige Modulbeschreibung)

Grundlegende theoretische Kenntnisse im Bereich des maschinellen Lernens, praktische Programmierkenntnisse in Python und idealerweise Grundkenntnisse im Training tiefer neuronaler Netzwerke.

Fachkompetenzen:
Die Studierenden

• haben einen Überblick über die verschiedenen Aspekte, die die Qualität von maschinellen Lernalgorithmen bestimmen. Sie kennen Methoden, um verschiedene Qualitätsaspekte zu messen und ggf. Methoden, um diese zu verbessern und können diese implementieren und einsetzen.

Methodenkompetenzen:
Die Studierenden

• erarbeiten sich selbstständig unter Zuhilfenahme von Präsenzveranstaltungen, bereitgestellten Materialien und Fachliteratur theoretische und praktische Konzepte

Sozialkompetenzen
Die Studierenden

• können Lösungsansätze für Probleme in diesem Bereich im Plenum präsentieren und in Diskussionen verteidigen

Selbstkompetenzen
Die Studierenden

• können ihre eigene Fach- und Methodenkompetenz einschätzen. Sie übernehmen die Verantwortung für ihre Kompetenzentwicklung und ihre Lernfortschritte und reflektieren diese selbstständig. Zudem erarbeiten sie selbstständig die Lerninhalte und können die Inhalte kritisch reflektieren

Maschinelle Lernalgorithmen finden zunehmend breite Anwendung in  verschiedensten insbesondere auch sicherheitskritischen  Anwendungsbereichen, doch die Qualität dieser Algorithmen wird in den  seltensten Fällen systematisch untersucht. Der Schwerpunkt dieser  Veranstaltung liegt auf verschiedensten Qualitätsdimensionen für maschinelle Lernalgorithmen, insbesondere tiefe neuronale Netzwerke, angefangen von der Messung der Leistungsfähigkeit, über  Interpretierbarkeit/Erklärbarkeit (XAI), Robustheit (adversarial  robustness, non-adversarial robustness, distribution shifts, OOD-detection),  Unsicherheitsquantifizierung,  Fairness/Bias bis hin zu Privacy. Die Methoden werden in der Vorlesung  theoretisch eingeführt und in den Übungen praktisch implementiert und  angewendet.

Da es kein einziges Lehrbuch gibt, das alle Themen dieser Vorlesungsreihe abdeckt, wird während des gesamten Kurses relevante Fachlektüre empfohlen.

Am Ende der Vorlesungszeit

Klausur / mündl. Prüfung