Direkt zum Inhalt

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.

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

 

 

 

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

 

 

 

 

 

 

 

Coding of Sequencing Data

Neue Codierungsverfahren ermöglichen das Streamen von Sequenzierungsdaten