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
|
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 |
|
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 |
|
|
OSCAR Opinion Stream Classification with Ensembles and Active learners |
|
Regio Eine Kartierung der Entstehung und des Erfolgs von Kooperationsbeziehungen in regionalen Forschungsverbünden und Innovationsclustern |
|
ScienceGRAPH Knowledge Graph based Representation, Augmentation and Exploration of Scholarly Communication |
|
Simple-ML Verbesserung der Benutzbarkeit von ML-Verfahren für einen breiten Anwenderkreis |