D4 Jupyter Notebook: Erklärbarkeit von neuronalen Netzen am Beispiel CNN

Im Jupyter Notebook zum Thema „D4 Jupyter Notebook: Erklärbarkeit von neuronalen Netzen am Beispiel CNN“ geht es um die Erklärbarkeit von neuronalen Netzen. Es wird am Beispiel von CNNs gezeigt, dass man durch Visualisierung der Daten, die zwischen Schichten fließen, sowie durch Visualisierung der Filterkerne in gewissem Maße Rückschlüsse darauf ziehen kann, was das Modell lernt. Das Notebook setzt Programmierkenntnisse voraus. Das Notebook enthält bereits alle nötigen Python-Befehle samt umfassenden Erklärungen dazu. Die Lernenden können die Befehle darin selbst ausführen und anschließend auch damit experimentieren, z. B. indem sie sie verändern. Es wird eine Python-Installation sowie eine Entwicklungsumgebung (z. B. Jupyter Lab, oder auch Visual Studio Code) benötigt, in der das Notebook editiert werden kann. Falls dies nicht gegeben ist, gibt es die Möglichkeit, das Notebook auf der Google-Plattform https://colab.research.google.com hochzuladen und dort zu bearbeiten, dafür wird allerdings ein Google-Account benötigt. Dieses Jupyter Notebook ist optionales Lehrmaterial für die Zusatzqualifikation KI und Maschinelles Lernen sowie Teil des Lehrmaterials für die Fortbildung zum/zur Berufsspezialist/in KI und Maschinelles Lernen. Die Entwicklung und Erprobung dieses Bildungsangebotes wurde vom Bundesministerium für Bildung und Forschung im Rahmen des InnoVET-Programms gefördert. Mehr Informationen zu diesem Projekt gibt es unter https://www.ki-fortbildung.de. Das Notebook gehört zum Bereich D, Chancen, Herausforderungen und ethische Fragen der KI.