Fairness im Job Schulungen finden - Das passende Seminar in Ihrer Nähe

Alle Menschen wünschen sich, fair behandelt zu werden. Sie möchten sich sicher fühlen, respektiert werden, wünschen sich konstruktives Feedback und Unterstützung in schwierigen Situationen. Doch manche Auseinandersetzung wird nicht sachlich, sondern persönlich ausgetragen. Mancher Konflikt wird nicht offen und fair bearbeitet, sondern ignoriert, bagatellisiert oder dramatisiert. Manchmal wird nicht mit den Betroffenen gesprochen, sondern über sie. Manchmal werden statt Lösungen lieber Schuldige gesucht. Das führt zu Missstimmungen, Verhärtung der Fronten und Eskalation von Konflikten. Wer solchen Situationen wiederholt oder ständig ausgesetzt ist, wer von Kolleg*innen, Vorgesetzten, Mitarbeiter*innen unnötig viel kritisiert, gemieden, vielleicht sogar persönlich angegriffen wird, wird unsicher, macht gehäuft Fehler und wird schließlich krank. Dieses Seminar soll helfen, Konflikte besser einschätzen zu können, rechtzeitig gegenzusteuern und sich für mehr Fairness am Arbeitsplatz

Corporate Governance für Führungskräfte

Overview

In this course the learner is introduced to the concepts of lifecycle governance of AI models and uses watsonx.governance to implement governance in a real life use case. The learner is exposed to the capabilities of watsonx.governance, such as lineage and metadata generation for AI models, evaluating deployed predictive AI models for drift of appropriate metrics, bias and fairness. watsonx.governance can accelerate responsible, transparent, and explainable AI workflows for all types of AI models. The course guides the learner through a complete business data science project which starts by introducing and manipulating data in watsonx and ends with evaluating and explaining the decisions of the deployed production model.

Fairness als Führungskompetenz nutzen. Als Verhaltensmaxime bietet der Wert Fairness eine hohe Orientierungskraft und wird zu einem Erfolgsfaktor in der Kommunikation und Führung.

EU AI Act - Schulung für Mitarbeitende im KI-Umfeld

Nach dem Seminar wissen die Teilnehmenden, wie sie Azure-Dienste zur Entwicklung, Schulung und Bereitstellung von automatisierten Lernlösungen nutzen können. 

Nach dem Seminar wissen die Teilnehmenden, wie sie Azure-Dienste zur Entwicklung, Schulung und Bereitstellung von automatisierten Lernlösungen nutzen können. 

Female Leadership - Frauen führen modern

In diesem Seminar lernen die Teilnehmer das notwendige Wissen darüber, wie Sie Azure-Dienste zur Entwicklung, Schulung und Bereitstellung von automatisierten Lernlösungen nutzen können. Das Seminar beginnt mit einem Überblick über Azure-Dienste, die die Datenverarbeitung unterstützen. Dort wird der Fokus auf die Nutzung des führendem Data Science Service, dem Azure Machine Learning Service gelegt.

Overview

In this course, the learner is guided through a realistic scenario of governing the predictive models of a data science project during their lifecycle. The project focuses on creating machine learning models that can be used for mortgage loan approvals, where decisions highly influence both individuals and organizations. The narrative is driven by Anna Parker Sr. Product manager of a financial institution in charge of mortgage approval and Sr Data Scientist, Sara Man that guides the learner who assumes the persona of a Jr. Data Scientist, Leo Meep through the usage of IBM watsonx.governance to detect bias and monitor their deployed machine learning models for drift in their selected metrics.

The course educates the learner in IBM’s fundamental pillars of trustworthy AI such as explainability, fairness, and transparency and guides the learner through hands-on exercises using the graphical user interface, in creating machine learning models, tracking the model lineage, enriching the model with metadata previously known as AI Factsheets, and exploring the fundamental pillars of trustworthy AI using watsonx.governance. The learner deploys and monitors the model for drift using the graphical user interface of Watson OpenScale.