Teilnahmevoraussetzungen

Programmierkenntnisse

Anmeldung

Um sich für das Modul „Erklärbare Künstliche Intelligenz – Programmierpraktikum“ anzumelden, senden Sie bitte bis zum

18.03.2024

eine E-Mail mit Ihrem Anmeldewunsch an
Ina.Schwanebeck-Lepski@rub.de mit folgenden Informationen:

• Name, Vorname
• Matrikelnummer
• Studiengang
• Prüfungsordnung

Sie erhalten daraufhin entweder eine Anmeldebestätigung oder die Information, dass Sie auf eine Warteliste gesetzt werden, falls alle Plätze (max. 12 Teilnehmer) des Seminars bereits belegt sind.

Die Anmeldung zur zugehörigen Prüfung ist zusätzlich fristgerecht in Flexnow vorzunehmen. Informationen zu den Fristen finden Sie auf den Seiten des Prüfungsamts der Fakultät für Informatik.

Termine

• Einführungsveranstaltung: 11.04.2024, 15 – 16 Uhr per Zoom [Link]
• Einwöchige Blockveranstaltung: 26.08.2024 – 30.08.2024, 9 – 18 Uhr [Zoom]
• Dem Moodle Kurs können Sie beitreten unter: Moodle

Ziele

Die Veranstaltung richtet sich an Studierende des Studiengangs B. Sc. Angewandte Informatik mit Interesse an Themen der Künstlichen Intelligenz, speziell des Machine Learnings (ML) und dem Feld des Explainable Artificial Intelligence (XAI). Dabei liegt der Fokus auf der Erklärbarkeit und Transparenz von modernen Ansätzen der Künstlichen Intelligenz. Dieses Modul befasst sich mit anwendungsorientierten Fragen rund um XAI-Herausforderungen, die sowohl für die Praxis als auch für die Forschung von großer Bedeutung sind. Primäres Lernziel ist die praktische Anwendung von Techniken zur Unterstützung von Transparenz und Erklärbarkeit im Kontext der Künstlichen Intelligenz. Aufgabenstellungen, die mit Hilfe prototypischer Implementierungen beantwortet werden, dienen dem Transfer der theoretisch erlernten Inhalte.

Nach dem erfolgreichen Abschluss des Moduls …

• haben Studierende den Begriff und das Forschungsfeld der „Erklärbaren Künstlichen Intelligenz“ kennengelernt
• verfügen die Studierenden über die Grundlagenkenntnisse, um mit Hilfe der Programmiersprache Python beispielhafte ML-Modelle und XAI-Methoden auf unterschiedliche Datensätze anzuwenden

Inhalte

Die Veranstaltung verbindet theoretische Grundlagen der Erklärbarkeit von KI mit der praktischen Umsetzung und Anwendung von XAI-Methoden. Dazu gehören:

• Grundlagen der Programmiersprache Python (Syntax, Datentypen, Operatoren)
• Praktisches Grundlagenwissen zum Thema maschinelles Lernen
• Vertiefendes Anwendungswissen zum Thema Explainable Artificial Intelligence
• Vermittlung spezieller Anwendungsfelder und unterschiedlicher Herausforderungen der XAI (bspw. Bild-Klassifikation vs. Natural Language Processing)
• Aktuelle XAI-Tools verstehen und anwenden (z.B. SHAP, Grad-CAM, LIME, o.ä.)

Lehrform

Das Praktikum wird im Sommersemester in Kooperation mit der Universität Oldenburg (Prof. Dr.-Ing. Daniel Sonntag) als einwöchige Blockveranstaltung angeboten. Nach Einführungsvorträgen durch die Dozierenden zu Themen der Erklärbaren Künstlichen Intelligenz, arbeiten die Studierenden selbstständig an Praktikumsaufgaben. Jede teilnehmende Person erarbeitet eine eigenständige Lösung, der Austausch mit anderen Teilnehmenden und gegenseitige Hilfestellungen sind dabei gewünscht. Nach jeder Teilaufgabe erhalten die Studierenden Feedback zu ihrer Lösung durch die Dozierenden.

Das XAI Programmierpraktikum wird fünf Tage in Vollzeit (8 Stunden/Tag) ausschließlich online (via Zoom) durchgeführt. Zur Vorbereitung auf das Praktikum muss vor Beginn Literatur/ Material im Selbststudium (Zeitaufwand ca. 50h) gelesen und eine schriftliche Zusammenfassung eingereicht werden.

Prüfungsform

• Abgabe einer schriftlichen Arbeit vor Praktikumsbeginn (Bewertung: bestanden/nicht bestanden)
• Es sind Praktikumsaufgaben zu bearbeiten (Bewertung: bestanden/nicht bestanden)

Voraussetzungen für die Vergabe von Kreditpunkten

• Regelmäßige Teilnahme am Praktikum
• Die schriftliche Arbeit sowie die Bearbeitung der Praktikumsaufgaben sind beide bestanden

Literatur

• Adadi, A., & Berrada, M. (2018). Peeking inside the black-box: a survey on explainable artificial intelligence (XAI). IEEE access, 6, 52138-52160.
• Arrieta, A. B., Díaz-Rodríguez, N., Del Ser, J., Bennetot, A., Tabik, S., Barbado, A., … & Herrera, F. (2020). Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI. Information fusion, 58, 82-115.
• Gunning, D., & Aha, D. (2019). DARPA’s explainable artificial intelligence (XAI) program. AI magazine, 40(2), 44-58.
• Meske, C., Bunde, E., Schneider, J., & Gersch, M. (2022). Explainable artificial intelligence: objectives, stakeholders, and future research opportunities. Information Systems Management, 39(1), 53-63.
• Minh, D., Wang, H. X., Li, Y. F., & Nguyen, T. N. (2022). Explainable artificial intelligence: a comprehensive review. Artificial Intelligence Review, 55(5), 3503-3568.
• Vilone, G., & Longo, L. (2021). Notions of explainability and evaluation approaches for explainable artificial intelligence. Information Fusion, 76, 89-106.