Introduction to Machine Learning Safety
Sommer
(in German: Introduction to Machine Learning Safety )
Module-ID: FIN-INF-120532 |
|
Abbreviation MLS |
Credit Points 6 |
Semester Sommer |
Term ab 1. |
Duration 1 Semester |
Language english |
Level Master |
| Link: | LSF |
| Limited accessability: | |
| Responsibility: | Prof. Dr. Frank Ortmeier |
| Lecturer: | Prof. Dr. Frank Ortmeier, Konstantin Kirchheim |
| Classes: | Vorlesung Introduction to Machine Learning Safety Übung Introduction to Machine Learning Safety |
| Applicability in curriculum: | - M.Sc. INF: Informatik - M.Sc. INGINF: Informatik - M.Sc. WIF: Informatik - M.Sc. DKE: Learning Methods and Models for Data Science - M.Sc. DE: Methoden der Informatik - M.Sc. VC: Computer Science |
Intended learning outcomes:
- Verständnis grundlegender Unterschiede zwischen klassischer Softwareentwicklung und datengetriebener Entwicklung von ML-Systemen sowie der daraus resultierenden Sicherheitsimplikationen.
- Fähigkeit, typische Fehlermodi von ML-Systemen systematisch zu analysieren und deren Ursachen (z. B. Datenverteilung, Modellunsicherheit, Verteilungsverschiebung) zu identifizieren.
- Kompetenz, geeignete Test- und Evaluationsverfahren für ML-Modelle in sicherheitskritischen Kontexten auszuwählen und anzuwenden.
- Einordnung und Bewertung von Unsicherheitsabschätzungen, Anomalieerkennung und Robustheitsmechanismen im Hinblick auf ihre sicherheitstechnische Relevanz.
- Verständnis adversarieller Bedrohungsmodelle sowie grundlegender Verteidigungsstrategien.
- Reflexion regulatorischer, ethischer und gesellschaftlicher Rahmenbedingungen beim Einsatz lernbasierter Systeme.
Content:
- Grundlagen und Sicherheitskontext
- Datenqualität und Modelltestverfahren
- Robustheit und Angriffsmodelle
- Unsicherheit und Anomalieerkennung
- Alignment und gesellschaftliche Aspekte
Workload:
- 20h Übungsteilnahme,
- 20h Vorlesung,
- 40h Vorlesungsvorbereitung,
- 40h Übung,
- 60h Prüfungsvorbereitung
| Pre-examination requirements: | Type of examination: | Teaching method / lecture hours per week (SWS): |
|
Teilnahme an der Übung |
Hausarbeit |
Übung (2 SWS) Vorlesung (2 SWS) |
| Prerequisites according to examination regulations: | Recommended prerequisites: |
|
keine |
Introduction to Deep Learning |
| Media: | Literature: |
|
|
Comments: