Verwaltungsinformationen
| Titel | Untersuchung von Datenlinien, Herausforderungen und potenziellen Auswirkungen der KI-Teams |
| Dauer | 90 min |
| Modulen | C |
| Unterrichtstyp | Praktisch |
| Fokussierung | Ethisch – Compliance, Legalität und Menschlichkeit |
| Themenbereich | Datenmanagement, Audit und Bewertung |
Suchbegriffe
Data Lineage, Data Provenence, Differential Privacy, Data Pipeline,
Lernziele
- Um das Konzept und die Bedeutung von Datennachweisen für KI-Teams zu verstehen
- Einfluss von Bias in Datensätzen
- Methoden zur Rückverfolgung von Datenlinien
Erwartete Vorbereitung
Lernveranstaltungen, die vorab abgeschlossen werden müssen
Obligatorisch für Studenten
- Kenntnis der DSGVO und Datenbankkonzepte
Optional für Studenten
- N/A
Referenzen und Hintergründe für Studierende
- Hohe Kenntnisse der DSGVO und Datenbankkonzepte
Empfohlen für Lehrer
- Geben Sie Hintergrundinformationen zur DSGVO an
- Beispiele für signifikante DSGVO-Fälle
Unterrichtsmaterialien
Anleitung für Lehrer
Versuchen Sie, sich an den Zeitplan zu halten. Wenn möglich, geben Sie mehr Zeit für die Frage- und Antwortsitzung, wenn nötig.
Überblick über die Vorlesung
| Dauer (min) | Beschreibung | Konzepte | Aktivität | Werkstoffe |
|---|---|---|---|---|
| 0 – 5 min | Kurzbeschreibung der durchzuführenden Aufgaben | |||
| 5 – 30 min | Aufgabe #1 – Provenienz | Herkunft | Geführte Diskussion | — |
| 30 – 55 Min. | Aufgabe #2 – Compliance | Konformität | Geführte Diskussion | — |
| 55 – 80 min | Aufgabe #3 – In der Praxis | In der Praxis | Geführte Diskussion | — |
| 80 – 90 min | Zusammenfassung der praktischen | Q &A | — |
Danksagung
Jeder Autor der in den Folien zitierten Quellen
Das Human-Centered AI Masters-Programm wurde von der Fazilität „Connecting Europe“ der Europäischen Union im Rahmen des Zuschusses „CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068“ kofinanziert.