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
|
Coding of Sequencing Data Streaming für die Genomforschung |
|
d-E-mand Vorhersage von Ladebedarf bei Elektromobilität als Business Enabler |
|
Data4UrbanMobility Entwicklung von Werkzeugen für einen ereignisbasierten Überblick über Mobilitätsinformationen und die effiziente Planung, Entwicklung, Durchführung und Nutzung von innovativen Mobilitätsdienstleistungen |
|
Discovering Job Knowledge from Web Data Discovering Job Knowledge from Web Data |
|
|
Establishing and Achieving Sustainability Targets in Eastern Chinese Cities Aufstellen und Erreichen nachhaltiger Ziele in ostchinesischen Städten |
|
eLabour II Interdisziplinäres Zentrum für IT-basierte qualitative Forschung in der Arbeitssoziologie |
|
|
ErrorlessLearning Aufstockungantrag zu einer Orthografie-Übungsmethode |
|
InclusiveOCW Inklusive kollaborative Erstellung und Nutzung von Open Courseware in der Berufsförderung von Menschen mit Seheinschränkung. |
|
Interpreting Neural Rankers Verstehen der von Deep-learned-Modellen im Information-Retrieval getroffenen Entscheidungen (Amazon Research Grant) |
|
Managed Forgetting Die heutige Informationsflut erschwert es immer mehr, sich auf die wirklich relevanten und wichtigen Dinge zu konzentrieren |