Explainable Machine Learning enthmythifiziert

Als Trade-off zur oft überlegenen Vorhersagegüte moderner Machine-Learning-Algorithmen stellen die resultierenden Modelle oft Black Boxes dar, das heißt, es ist in der Regel nicht offensichtlich, wie sich Prognosen in unterschiedlichen Situationen verhalten. Verschiedene populäre Negativbeispiele in der jüngeren Vergangenheit legen jedoch Nahe, dass ein Verständnis der Wirkungsweise der Modelle von hoher Bedeutung ist, um Fehlverhalten der Modelle rechtzeitig zu erkennen und dem vorzubeugen. In einigen Bereichen (wie z.B. dem Kreditrisikoscoring von Banken) ist die Interpretierbarkeit von Modellen sogar regulatorisch vorgeschrieben, z.B. durch die DSGVO oder die Eigenkapitalrichtlinie „Basel II“.

Aus diesen Gründen hat Feld des eXplainable Machine Learning (xML) in den letzten Jahren einen starken Hype erfahren.

Der Vortrag gibt einen allgemeinen Überblick über grundlegende xML-Verfahren wie Variable Importance, Partial Dependence, Accumulated Local Effects, Shapley Additive Explanations oder LIME. Zusätzlich werden Implementierungen der Verfahren in der Programmiersprache R vorgestellt. Insbesondere erfolgt aber auch eine kritische Einschätzung der bestehenden Verfahren, z.B. anhand von Explainability.

Vorkenntnisse

Grundkenntnisse im Machine Learning

Lernziele

* Kenntnis der grundlegenden xML-Verfahren
* Fähigkeit zur kritischen Bewertung

 

Speaker

 

Gero Szepannek
Gero Szepannek ist seit 2016 Professor für Statistik und Wirtschaftsmathematik an der Hochschule Stralsund und widmet sich dort besonders den Gebieten Machine Learning sowie Data Literacy. Nach einer Doktorarbeit an der Schnittstelle von Statistik, maschinellem Lernen und automatischer Spracherkennung an der TU Dortmund und in Kooperation mit dem Fraunhofer Institut für digitale Medientechnologie hatte er zuvor als Head of Scoring and Rating Models für die Santander-Consumer-Gruppe gearbeitet.

Gold-Sponsor

Novatec

Silber-Sponsor

inovex

M3-Newsletter

Sie möchten über die Minds Mastering Machines
auf dem Laufenden gehalten werden?

 

Anmelden