Intelligente Systeme sind durch Lernvorgänge geprägt, die den Erwerb neuer Fähigkeiten ermöglichen und mit einer großen Menge von heterogenen, unsicheren und probabilistischen Daten umgehen können. Aufgrund der Komplexität der dadurch repräsentierten Situationen in der realen Welt ist eine automatische Abstraktion von Informationen aus Daten, die Bildung geeigneter repräsentativer Modelle und die semantische Verarbeitung der vorhandenen Informationen unabdingbar, um auf dieser Basis intelligente Systeme für den digitalen Wandel, zum Beispiel im Bereich Mobilität, Industrie, Medizin und Bildung, zu ermöglichen.
Mitglieder
Projekte
|
AutoML MOOC Online-Kurs auf AI-Campus.org über Automatisiertes Maschinelles Lernen
|
|
BacData Aufbau eines Analyserahmens für die Präzisionsmikrobiologie zur Bekämpfung von biofilmassoziierten Infektionen
|
|
BIAS Vorurteile und Diskriminierung bei großen Datenmengen und algorithmischer Verarbeitung. Philosophische Bewertungen, rechtliche Aspekte und technische Lösungen
|
|
Big Data for Cochlea Implants Anwendung maschinellen Lernens auf große Datenmengen zwecks Erkenntnisgewinn zur Ergebnisvariabilität bei der Cochlea-Implantat-Versorgung |
|
BigMedilytics Einsatz von Big-Data-Technologien zur Unterstützung effizienter und effektiver Gesundheitssysteme
|
|
BOOST4.0 - Big Data for Factories Big Data Value Spaces for COmpetitiveness of European COnnected Smart FacTories 4.0
|
|
CHORUS Eine massiv parallele und skalierbare Vektorprozessorplattform für hochautomatisierte Fahrerassistenzsysteme
|
|
Cleopatra Analyse ereignisbasierter Informationen verschiedener Sprachen aus heterogenen Quellen
|
|
Coding of Sequencing Data Neue Codierungsverfahren ermöglichen das Streamen von Sequenzierungsdaten
|
|
d-E-mand Vorhersage von Ladebedarf bei Elektromobilität als Business Enabler
|