Counterfactual-Erklärungen für ein Diagnose-Unterstützungssystem
Übersicht
Worum es bei diesem Projekt geht.
Du implementierst Counterfactual-Verfahren für ein Hautläsionen-Modell, lässt sie von Ärztinnen bewerten und erhältst ein verifizierbares Zertifikat.
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.
Explainable and Interpretable AI
Master · Ai Ml
Fit score: 1
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