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
|
Alexandria Entwicklung von Modellen, Werkzeugen und Technologien zur Archivierung von Web-Inhalten |
|
AMA - Applied Machine Learning Academy Weiterbildung auf der Grundlage eines nachhaltigen, flexiblen und stark anwendungsorientierten Qualifizierungskonzepts |
|
AutoPIN Kostenersparnis durch maschinelles Lernen bei der Inspektion von Rohrleitungssystemen |
|
BIAS Vorurteile und Diskriminierung bei großen Datenmengen und algorithmischer Verarbeitung. Philosophische Bewertungen, rechtliche Aspekte und technische Lösungen |
|
BigMedilytics Einsatz von Big-Data-Technologien zur Unterstützung effizienter und effektiver Gesundheitssysteme |
|
BLINKER - Localization and Navigation With a 360°-Camera Collaboration between L3S and Goetting KG, a company which is specialized on driverless transportation systems |
|
BOOST4.0 - Big Data for Factories Big Data Value Spaces for COmpetitiveness of European COnnected Smart FacTories 4.0 |
|
BRENDA II Weltweit größte Informationssystem für biochemische, molekularbiologische und funktionale Enzymdaten |
|
CHORUS Eine massiv parallele und skalierbare Vektorprozessorplattform für hochautomatisierte Fahrerassistenzsysteme
|
|
Cleopatra Analyse ereignisbasierter Informationen verschiedener Sprachen aus heterogenen Quellen |