Hauptinhalt

CS 656 — Explainable Artificial Intelligence
(engl. Explainable Artificial Intelligence)

Niveaustufe, Verpflichtungsgrad Vertiefungsmodul, Wahlpflichtmodul
Lehr- und Lernformen,
Arbeitsaufwand		 Vorlesung (2 SWS), Übung (2 SWS),
180 Stunden (60 Std. Präsenzzeit, 120 Std. Selbststudium)
Leistungspunkte,
Voraussetzungen zum Erwerb		 6 LP
Studienleistung(en): Erreichen von mindestens 50 Prozent der Punkte aus den wöchentlich zu bearbeitenden Übungsaufgaben und mündliche Präsentation der Lösung von mindestens zwei der Übungsaufgaben.
Prüfungsleistung: Mündliche Prüfung (Einzelprüfung) oder Klausur oder schriftliche Ausarbeitung
Sprache,
Benotung		 Englisch,
Die Benotung erfolgt mit 0 bis 15 Punkten gemäß der Prüfungsordnung für den Studiengang M.Sc. Data Science.
Dauer des Moduls,
Häufigkeit		 Ein Semester,
Jedes Sommersemester
Modulverantwortliche(r) Prof. Dr. Christin Seifert

Inhalt

Definitions and taxonomy of eXplainable AI (XAI), selected explanation methods including feature importance, concept-based explanations, counterfactuals, intrinsically interpretable models, and understanding large-language models (LLMs). Explanation as conversation, and human factors in XAI. Evaluation of explanations. Prospects on responsible AI (fairness, robustness, and accountability).


Qualifikationsziele

Die Studierenden

  • sind in der Lage, die Kernkonzepte von Erklärungen zu beschreiben und verschiedene Erklärungstechniken zu identifizieren,
  • können entscheiden, wann Erklärungen verwendet werden sollen und die geeigneten Methoden auswählen,
  • können Erklärungstechniken auf eine Vielzahl von Aufgaben des maschinellen Lernens bei unterschiedlichen Datentypen anwenden,
  • können Erklärungen bewerten.

Voraussetzungen

Empfohlen werden Kenntnisse im Bereich maschinelles Lernen, insbesondere Neuronale Netze und Backpropagation, sowie der Programmierung in Python.


Verwendbarkeit

Importmodul aus dem M.Sc. Data Science.

Es kann im FB12 verwendet werden im Studiengang bzw. in den Studiengängen

  • B.Sc. Data Science
  • M.Sc. Data Science
  • M.Sc. Informatik

Im Studiengang B.Sc. Data Science kann das Modul im Studienbereich Freie Wahlpflichtmodule absolviert werden.


Literatur

  • Wird in der Veranstaltung bekanntgegeben.



Bitte beachten Sie:

Diese Seite beschreibt ein Modul gemäß dem im Wintersemester 2025/26 aktuellsten gültigen Modulhandbuch. Die meisten für ein Modul gültigen Regeln werden nicht durch die Prüfungsordnung festgelegt, und können daher von Semester zu Semester aktualisiert werden. Folgende Versionen liegen im Online-Modulhandbuch vor:

  • WiSe 2016/17 (kein Äquivalent)
  • SoSe 2018 (kein Äquivalent)
  • WiSe 2018/19 (kein Äquivalent)
  • WiSe 2019/20 (kein Äquivalent)
  • WiSe 2020/21 (kein Äquivalent)
  • SoSe 2021 (kein Äquivalent)
  • WiSe 2021/22 (kein Äquivalent)
  • WiSe 2022/23 (kein Äquivalent)
  • WiSe 2023/24 (kein Äquivalent)
  • WiSe 2025/26

Das Modulhandbuch enthält alle Module, unabhängig vom aktuellen Veranstaltungsangebot, vergleichen Sie dazu bitte das aktuelle Vorlesungsverzeichnis in Marvin.

Die Angaben im Online-Modulhandbuch wurden automatisch erstellt. Rechtsverbindlich sind die Angaben der Prüfungsordnung. Wenn Ihnen Unstimmigkeiten oder Fehler auffallen, sind wir für Hinweise dankbar.