Counterfactual-Erklärungen für ein Diagnose-Unterstützungssystem
Übersicht
Worum es bei diesem Projekt geht.
Du erhältst ein vortrainiertes Hautläsionen-Modell (Bild + Tabellen-Features wie Größe, Lokalisation, Alter), einen Holdout-Datensatz und Zugang zu zwei Dermatologinnen für 4 strukturierte Interviews. Implementiere zwei Counterfactual-Verfahren (z. B. DiCE und Wachter et al.) auf den Tabellen-Features, lass die Counterfactuals von den beiden Ärztinnen auf einer 5-Punkt-Likert-Skala bewerten und liefere eine 5-seitige Studie inklusive Methodik, Ergebnissen und Empfehlung für die Klinik-IT.
Das Briefing
Was Du tust und was Du zeigst.
Erzeuge ärztlich verständliche Counterfactual-Erklärungen für ein dermatologisches Diagnose-Unterstützungs-Modell und belege die Verständlichkeit empirisch.
Earning criteria — what you'll demonstrate
- Counterfactual-Erklärungs-Methoden auf reale klinische Tabellendaten anwenden
- Verständlichkeit von Erklärungen empirisch über Likert-Skalen messen
- Plausibilitäts-Constraints (medizinisch sinnvolle Counterfactuals) in den Such-Loop einbauen
- Klinische User-Research und KI-Methodik in einer Studie verbinden
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenKI-Sicherheits-Forscher:in
Empirische Bewertung von Erklärungs-Methoden mit Endanwender:innen in einem Hochrisiko-Domain ist das Kernhandwerk von KI-Sicherheitsforscherinnen.
Dieses Projekt schärft
- counterfactual-explanations
- explainable-ai
- user-research
Forschungswissenschaftler:in
Counterfactual-Methoden auf realen klinischen Daten plus saubere Studien-Methodik ist ein starkes Portfolio-Stück für Forschungspositionen in Medical-AI-Laboren.
Dieses Projekt schärft
- counterfactual-explanations
- evaluation
- model-interpretability
Data Scientist
Data Scientists in Klinik-IT-Teams arbeiten täglich an der Schnittstelle zwischen Modell-Output und ärztlicher Akzeptanz — diese Studie trifft genau diesen Bereich.
Dieses Projekt schärft
- python
- model-interpretability
- evaluation
Noch eine Sache