Sprachen

L3S Research Center -  RSS Feeds

Sie sind hier

Startseite » Forschung » Projekte

Projekte

Mit der fortschreitenden Integration europäischer Staaten ist ein steter Anstieg von Themen und Ereignissen verbunden, die über Sprach- und Staatsgrenzen hinaus einen starken Einfluss auf die Bürger Europas sowie die digitale Wirtschaft haben. Diese Entwicklung führt zu einer großen Menge von Informationen bezüglich relevanter Ereignisse in verschiedenen Sprachen, die aus verschiedensten Bevölkerungsgruppen und Quellen stammen. Solche Informationen können sich zwischen diesen Quellen bezüglich ihrer Lokalisierung unterscheiden, so dass sie bestimmte gesellschaftsspezifische Aspekte widerspiegeln, kulturspezifische Referenzen enthalten und sowohl Meinungen als auch potentiell unvollständige oder nicht-repräsentative Daten enthalten können. Das wichtigste Forschungsziel des Cleopatra-ITNs ist daher die effektive und effiziente Analyse ereignisbasierter Informationen verschiedener Sprachen aus heterogenen Quellen mit dem Ziel, die Analyse-Ergebnisse den Nutzern auf verständliche Weise darzulegen. Dabei liegt der Nutzerfokus insbesondere auf Journalisten, Forschern der digitalen Geisteswissenschaften sowie Gedächtnisinstitutionen.

Category: H2020-MSCA-ITN-2018

Die effiziente Anwendung aktueller Machine Learning (ML)-Verfahren erfordert ein sehr hohes Maß an Expertenwissen, was einer verbreiteten Nutzung von ML-Ansätzen, insbesondere durch kleine und mittlere Unternehmen, im Wege steht. Das Ziel des Simple-ML Projekts ist daher die Benutzbarkeit von ML Verfahren signifikant zu verbessern um diese für einen breiten Anwenderkreis leichter zugänglich zu machen. Als zentraler Beitrag des Projekts wird eine domänenspezifische Sprache (DSL) definiert, die ML Arbeitsabläufe (Workflows) und deren Komponenten ganzheitlich beschreibt und sich durch textuelle und graphische Editoren spezifizieren lässt. Weiterhin leistet das Projekt Beiträge zur Robustheit der erstellten ML Workflows, Erklärbarkeit und Transparenz der erlernten Modelle, Effizienz und Skalierbarkeit der erstellten Anwendungen, sowie zur Wiederverwendbarkeit der erstellten Lösungen. Dies geschieht durch Anwendung semantischen Technologien, Weiterentwicklung von symbolischen ML-Verfahren und Aufbau auf skalierbaren ML-Frameworks. Die Ergebnisse des Simple-ML Projekts werden in den Anwendungsszenarien „Mobilität in der Stadt“ und „Logistik“ gemeinsam mit Anwendern aus der Wirtschaft validiert.

Category: BMBF Project

InclusiveOCW eröffnet neue berufliche Perspektiven für Menschen mit Seheinschränkungen durch digital gestütztes Lernen mittels interaktiver Kollaborationsszenarien, Crowdsourcing, Internationalisierung und ubiquitärem, barrierefreiem Zugang zu Lehr- und Lernmaterialien. Ziel des Teilvorhabens der TIB ist die Entwicklung eines Systems zur automatischen Generierung von Bildbeschreibungen, die sehbehinderten Nutzerinnen und Nutzern die selbstständige Erschließung visueller Inhalte ermöglicht.

Category: BMBF

Genauigkeit und niedrige Kosten bei der Inspektion von Rohrleitungssystemen mit Methoden des maschinellen Lernens

Im Projekt SALIENT werden in interdisziplinärer Kooperation Methoden zur Erkennung und Unterstützung von Lernprozessen bei der multimodalen Websuche erforscht.

Es ist unser Ziel, in Zusammenarbeit zwischen dem Institut für Fertigungstechnik und Werkzeugmaschinen (IFW) und dem Forschungszentrum L3S eine Applied Machine Learning Academy (AMA) aufzubauen auf der Grundlage eines nachhaltigen, flexiblen und stark anwendungsorientierten Qualifizierungskonzepts mit vielfältigen Kursanageboten und einem Expertise Sharing Network. Im Mittelpunkt steht dabei das Anwendungsfeld Industrie 4.0 und ein intensiver Dialog mit mittelständigen Unternehmen und der Industrie. Hinzu kommt eine starke Betonung der praktischen Anteile, welche es erlauben das erlernte Wissen zu erproben und zu vertiefen. Hervorzuheben sind hier Praxisphasen in einem Industrie 4.0 Kontext mit realen Maschinen der industriellen Produktion.

Seiten