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

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 

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

BLINKER

Lokalisierung und Navigation mit einer 360°-Kamera

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