Lernergebnisse
Kenntnisse: Die Studierenden sind vertraut mit den abstrakten Anforderungen, die gegenwärtige und geplante Gesetzesinitiativen an Systeme und Produkte, die künstliche Intelligenz (KI) oder Maschinelles Lernen (ML) verwenden, stellen (werden). Sie kennen verschiedene Dimensionen der Qualität von KI/ML Systemen und Produkten, und haben sich geeignete quantitative Verfahren und Metriken zur Messung von Qualität, sowie technische Ansätze zur Wahrung und Verbesserung von Qualität, erarbeitet.
Fertigkeiten: Die Studierenden erwerben praktische Fähigkeiten hinsichtlich des debuggings von ML Anwendung, indem sie code und/oder Daten sowie workflows analysieren. Sie erwerben oder verfeinern die Fähigkeit, ein inhaltlich klar abgegrenztes Feld anhand vorgegebener Literatur zusammenzufassen, um vorgegebene Fragen zu beantworten. Die Ergebnisse der wissenschaftlichen Recherche werden in einem Fachvortrag präsentiert, wobei Präsentationstechniken erworben oder verfeinert werden und wissenschaftlicher Diskurs geübt wird.
Kompetenzen: Die Studierenden sind in der Lage, die Risiken und Ausfallarten eines gegebenen KI/ML Systems oder Produktes zu analysieren. Sie sind weiterhin in der Lage, Testverfahren vorzuschlagen, um die Funktionstüchtigkeit des Systems/Produktes unter verschiedenen Störeinflüssen zu bewerten, sowie Maßnahmen vorzuschlagen, um unerwünschtes Systemverhalten zu verhindern. Sie sind ferner in der Lage, die ethischen, ökonomischen und sonstigen Implikationen einzelner Ausfallarten zu diskutieren.
