Algorithmenalltag. Prof. Dr.-Ing. Johannes Konert Fachgebiet Web Engineering
|
|
- Jürgen Holtzer
- vor 5 Jahren
- Abrufe
Transkript
1 Algorithmenalltag Prof. Dr.-Ing. Johannes Konert Fachgebiet Web Engineering
2 Start reden (Begrüßung) vortragen Aufmerk-samkeit erlangt? kurze Pause machen Ende Algorithmen Was machen sie mit uns? Was sind Algorithmen? 2 2
3 Algorithmen - was machen sie mit uns? Beispiele von Systemen mit Algorithmen: Empfehlungssysteme, Smartwatch, 3 3 PKW, Navigationsrouting, Seifenspender. Quellen: Amazon, Fossil, Tesla, Youtube, Google Maps
4 Diskriminierung, Filterung, Gefährdung Video Soap Dispenser Übersetzungssoftware: Der Professor, die Putzfrau Tesla Autopilot kracht in Polizeiauto 4 4
5 Algorithmen treffen Entscheidungen - problematisch? Was ist wenn.... die Entscheidung falsch ist? Wer ist Schuld?.. eine Computeraktion ein Leben kostet aber viele rettet?.. ich nicht merke, dass ein Algorithmus schon für mich Entscheidungen getroffen hat? Reinheitsgebot für Algorithmen Ethische Leitlinien der Gesellschaft für Informatik e.v. Bildquelle: Johannes Konert - JFMH 2018 Kaiserlsautern zum algorithmischen Reinheitsgebot 5 5
6 Ethische Leitlinien Informatik Art.9 Zivilcourage Art.10 Soziale Verantwortung Das GI-Mitglied wirkt darauf hin, die von IT- Systemen Betroffenen an der Gestaltungdieser Systeme und deren Nutzungsbedingungen angemessen zu beteiligen. Dies gilt insbesondere für Systeme, die zur Beeinflussung, Kontrolle und Überwachung derbetroffenen verwendet werden können. Art.11 Ermöglichung der Selbstbestimmung Quelle: 6 6
7 Zitat was geschieht, wenn sie uns nicht mehr brauchen Utopie-Film Automata über selbstlernende Maschinen Algorithmen trainieren sich inszwischen gegenseitig (lernen voneinander), bspw. beim Poker lernen oder Go-Spiel-Strategien. Quelle: Moviepilot Trailer, Automata der Film, 2015, und 7 7
8 Warum ethische Leitlinien und Kontrolle immer wichtiger werden Fähigkeit (kognitiv) Selbstlernend [KI] Expl. Programmierung mit enorm viel Rechenleistung (Cluster) Menschliche Grenze Programmierung (explizit) Zeit (Jahre) F.J. Furrer. Rezension Machine Learning - The New AI Quelle: 8 8 Informatik_Spektrum 40/4 2017, S.393
9 Algorithmus - eine definierte Abfolge von Einzelschritten Eingabe, Verarbeitung, Ausgabe (Analyse, Entscheidung, Aktion) vortragen Ende Start reden (Begrüßung) Aufmerksamkeit erlangt? kurze Pause machen Flussdiagram eines fiktiven simplen Algorithmus für Vorträge (mit Enscheidungsknoten und Aktionen) 9 9
10 Evolution der Algorithmen Exakt beschreibbar Schwer für Menschen zu lösen Mathematische Probleme Alltagsprobleme Nicht exakt beschreibbar Für Menschen leicht(er) lösbar Nicht gut beschreibbar Nur Teilverständnis für Menschen nicht lösbar Kognitive Probleme Optimierung Erkennung Prognose Quellen: Google Maps, (und lizenzfreie Bilder 10von unsplash) 10
11 Neuronale Netze..als ein Beispiel nicht überwachter (unsupervised) Lernalgorithmen, deren Entscheidungsfindung auf subsymbolischer Wissensrepräsentation basiert Input Layer Hidden Layer Output Layer 3-stufiges neuronales Netz mit 3 Eingangswerten, einem Hidden Layer und einem Ausgabewert Neuron Grundprinzip: Eingabe (Daten i.d.r. Zahlenvektoren), Verarbeitung (Funktion), Ausgabe (Zahlenvektoren) 11 11
12 Deep Learning = mehr als 1 Hidden Layer 12 12
13 Beispiel zu wie lernt die Maschine? Quelle:
14 Zusammenfassung Maschinelles Lernen bezeichnet i.w.s. Algorithmen, die durch Anpassen Ihrer Bewertungsregeln die Ergebniskorrektheit kontinuierlich erhöhen. Sie sind Teil der Künstlichen Intelligenz (Lernen und Verhalten). Umgang mit unvorhergesehenen, neuen Ereignissen ist nicht Gegenstand der Optimierung Steigt die Komplexität der algorithmisch bearbeiteten Fragen, steigt auch die ethische Verantwortung der Kontrolle der algorithmischen Entscheidungen (Ethik) ML/KI- Systeme sind alle als neu zu bewerten, da einige aktuell diskriminieren, beinflussen und Fehlentscheidungen treffen 14 14
15 Vielen Dank Informatik Spektrum Algorithmen und Meinungsbildung, Band 40, Heft 4, August k-spektrum / Introduction to Deep Learning des MIT vwgy Algorithm Watch zur Nachvollziehbarkeit von Algorithmen Frankenstein ierende-algorithmen-frankenstein Prof. Dr.-Ing Johannes Konert Web Ethische Leitlinien der gi Quellenangaben sind jeweils auf den Folien angegeben. Dieser Vortrag steht unter Creative Commons CC BY-NC-SA DE 15
Autonomes Fahren und KI
Autonomes Fahren und KI Kann eine autonom steuernde KI den normal reagierenden menschlichen Fahrer sicher ersetzen/übertreffen? Marco-Marcel Pechtold 19. Januar 2018 Inhaltsverzeichnis 1 Einleitung 2 2
MehrIntelligente Algorithmen Einführung in die Technologie
Intelligente Algorithmen Einführung in die Technologie Dr. KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft www.kit.edu Natürlich sprachliche
MehrDer Sprung in die Zukunft! Einführung in neuronale Netzwerke
Der Sprung in die Zukunft! Einführung in neuronale Netzwerke Inhalt 1. Warum auf einmal doch? 2. Welche Einsatzgebiete gibt es? 3. Was sind neuronale Netze und wie funktionieren sie? 4. Wie lernen neuronale
MehrImage: (CC-0) Künstliche Intelligenz & Bildung Nicht nur für ExpertInnen
Image: https://pixabay.com/de/netz-netzwerk-programmierung-3706562/ (CC-0) Künstliche Intelligenz & Bildung Nicht nur für ExpertInnen Künstliche Intelligenz Was ist das überhaupt? Was kann sie (nicht)?
MehrBACKPROPAGATION & FEED-FORWARD DAS MULTILAYER PERZEPTRON
BACKPROPAGATION & FEED-FORWARD DAS MULTILAYER PERZEPTRON EINFÜHRUNG IN KÜNSTLICHE NEURONALE NETZE Modul Leitung Technischer Datenschutz und Mediensicherheit Nils Tekampe Vortrag Jasmin Sunitsch Abgabe
MehrUnsere Ethischen Leitlinien. gi.de
Unsere Ethischen Leitlinien gi.de Die Ethischen Leitlinien der Gesellschaft für Informatik e.v. Bonn, 29. Juni 2018 Präambel Die Gesellschaft für Informatik e.v. (GI) will mit diesen Leitlinien bewirken,
MehrSeminar Künstliche Intelligenz Wintersemester 2013/14
Seminar Künstliche Intelligenz Wintersemester 2013/14 Martin Hacker Richard Schaller Künstliche Intelligenz Department Informatik FAU Erlangen-Nürnberg 31.10.2013 2 / 13 Überblick Teilgebiete der KI Problemlösen,
MehrKünstliche Intelligenz: Gefahr oder Chance? Eric Berg Lead Architekt Azure und Microsoft MVP, COMPAREX
Künstliche Intelligenz: Gefahr oder Chance? Eric Berg Lead Architekt Azure und Microsoft MVP, COMPAREX Künstliche Intelligenz Was ist Künstliche Intelligenz? KI und der Mensch: Miteinander oder Gegeneinander?
Mehrin der Versorgungstechnik? Prof. Dr. Michael Krödel
Künstliche Intelligenz (KI) in der Versorgungstechnik? g Was ist KI? Künstliche Intelligenz (KI; engl. artificial i intelligence, AI) ist ein Teilgebiet der Informatik, das sich mit der Automatisierung
MehrDer digitale Bauch An- und Einsichten
Der digitale Bauch An- und Einsichten Prof. Dr. Elgar Fleisch ETH Zürich & Universität St. Gallen (HSG) KMU Tag St. Gallen, am 26. Oktober Der erste Start in die Künstliche Intelligenz 1991 Slide 2 Latzhosen,
MehrGP-Music: An Interactive Genetic Programming System for Music Generation with Automated Fitness
GP-Music: An Interactive Genetic Programming System for Music Generation with Automated Fitness Raters Brad Johanson, Riccardo Poli Seminarvortrag von Thomas Arnold G ˇ ˇ ˇ ˇ WS 2012/13 TU Darmstadt Seminar
MehrDie Bedeutung von Artificial Intelligence und Machine Learning für die Cyber Security. H. Lubich FHNW
Die Bedeutung von Artificial Intelligence und Machine Learning für die Cyber Security H. Lubich FHNW Es fing alles ganz harmlos an 2 Entwicklungsschritte KI Neuronale Netze Selbstlernende Systeme Advanced
MehrETHISCHE ASPEKTE BEIM EINSATZ VON KI, MACHINE LEARNING UND DIGITALISIERTEN PROZESSEN HEUTE UND MORGEN
ETHISCHE ASPEKTE BEIM EINSATZ VON KI, MACHINE LEARNING UND DIGITALISIERTEN PROZESSEN HEUTE UND MORGEN KI als Mitarbeiter und Chef in der zukünftigen Arbeitswelt LEITFADEN DURCH DEN VORTRAG Die Entwicklung
MehrReinforcement-Learning
Reinforcement-Learning Vortrag von: Fabien Lapok Betreuer: Prof. Dr. Meisel 1 Agenda Motivation Überblick und Probleme von RL Aktuelle Forschung Mein Vorgehen Konferenzen und Quellen 2 Reinforcement Learning
MehrSeminar Künstliche Intelligenz Wintersemester 2014/15
Seminar Künstliche Intelligenz Wintersemester 2014/15 Martin Hacker Richard Schaller Künstliche Intelligenz Department Informatik FAU Erlangen-Nürnberg 15.10.2014 2 / 14 Überblick Teilgebiete der KI Problemlösen,
MehrArtificial Intelligence
Artificial Intelligence AI Hype meets Business Reality Dr. Stefan Wess CEO Empolis Information Management GmbH Unternehmen in Kaiserslautern UND TEIL UNSERES KULTURELLEN ERBES. KÜNSTLICHE INTELLIGENZ
MehrWahlpflichtfach Informatik
Wahlpflichtfach Informatik Dipl.-Ing. Michael NIEDERLE Klassen: 6C, 7AB 3-jährig (1 Doppelstunde pro Jahr); maturabel Was vor wenigen Jahren noch Sciene Fiction war, ist heute Realität. So entwickelt z.b.
MehrProf. Dr. Lars Schmidt-Thieme. Schüler-Universität, 10. Mai 2012
Können Computer denken? Prof. Dr. Lars Schmidt-Thieme Information Systems and Machine Learning Lab (ISMLL) Institut für Informatik Universität Hildesheim Schüler-Universität, 10. Mai 2012 Lars Schmidt-Thieme,
MehrDatenorientierte SA. Aufbau und Grundlagen. Aufbau und Grundlagen. Aufbau und Grundlagen. Was sind neuronale Netze?
Datenorientierte SA Was sind neuronale Netze? Neuronale Netze: Grundlagen und Anwendungen Neuronale Netze bilden die Struktur eines Gehirns oder eines Nervensystems ab Andreas Rauscher 0651993 Damir Dudakovic
MehrKünstliche Intelligenz und Verantwortung (im Unternehmen) Dr. Dimitrios Linardatos Akademischer Rat
Künstliche Intelligenz und Verantwortung (im Unternehmen) Dr. Dimitrios Linardatos Akademischer Rat Vortrag auf dem 11. Düsseldorfer Versicherungsrechtstag am 11.10.2018 Gliederung I. Einführung II. Begriffserläuterungen
MehrKünstliche Neuronale Netze
Fakultät Informatik, Institut für Technische Informatik, Professur für VLSI-Entwurfssysteme, Diagnostik und Architektur Künstliche Neuronale Netze Hauptseminar Martin Knöfel Dresden, 16.11.2017 Gliederung
MehrUniversität Potsdam Institut für Informatik. Masterstudium Computational Science
Universität Potsdam Institut für Informatik Masterstudium Computational Science Computational Science The Science of Computation Wissenschaft vom Berechnen Informatik Science, done computationally Computergestützte
MehrKeine Hexerei, sondern Alltag
AI Trendletter Auch Deep Learning macht den Data Scientist nicht obsolet Keine Hexerei, sondern Alltag Meinung von Dr. Andreas Becks Bei der Beschäftigung mit Begriffen wie Künstliche Intelligenz, Cognitive
MehrKonzepte der AI Neuronale Netze
Konzepte der AI Neuronale Netze Franz Wotawa Institut für Informationssysteme, Database and Artificial Intelligence Group, Technische Universität Wien Email: wotawa@dbai.tuwien.ac.at Was sind Neuronale
MehrDas Studium im Fach Informatik
[Projekttage Studien- und Berufsorientierung der Jgst. 12] Fachbereich Informatik Fakultät für Mathematik und Informatik FernUniversität Hagen 17. Februar 2009 Was Informatik nicht ist Was ist Informatik?
MehrRekurrente Neuronale Netze
Rekurrente Neuronale Netze Gregor Mitscha-Baude May 9, 2016 Motivation Standard neuronales Netz: Fixe Dimensionen von Input und Output! Motivation In viele Anwendungen variable Input/Output-Länge. Spracherkennung
MehrSoftware, Data und Machine Learning Engineers bei der Lufthansa Industry Solutions (Trendtalk)
Technology Day am 10:45 11:45 Uhr Raum: Empore Software, Data und Machine Learning Engineers bei der Lufthansa Industry Solutions (Trendtalk) Bernhard Kube, Vice President, Die Lufthansa ist ein Konzern
MehrSKOPOS Webinar 22. Mai 2018
SKOPOS Webinar 22. Mai 2018 Marktforschung 2020: Künstliche Intelligenz und automatische Text Analysen? Christopher Harms, Consultant Research & Development 2 So? Terminator Exhibition: T-800 by Dick Thomas
MehrWer soll richten: Mensch oder Maschine? Ein konstruktiver Ansatz. Prof. Dr. K.A. Zweig TU Kaiserslautern Algorithm Accountability
Wer soll richten: Mensch oder Maschine? Ein konstruktiver Ansatz Prof. Dr. K.A. Zweig TU Kaiserslautern Algorithm Accountability Lab @nettwerkerin Konstituierende Sitzung der Enquete-Kommission Künstliche
MehrKünstliche Neuronale Netze
Künstliche Neuronale Netze als Möglichkeit, einer Maschine das Lesen beizubringen Anja Bachmann 18.12.2008 Gliederung 1. Motivation 2. Grundlagen 2.1 Biologischer Hintergrund 2.2 Künstliche neuronale Netze
MehrNeuronale Netze. Christian Böhm.
Ludwig Maximilians Universität München Institut für Informatik Forschungsgruppe Data Mining in der Medizin Neuronale Netze Christian Böhm http://dmm.dbs.ifi.lmu.de/dbs 1 Lehrbuch zur Vorlesung Lehrbuch
MehrPersonenerkennung. Harald Hauptseminarpräsentation. Harald Kirschenmann. Department Informatik. Department Informatik.
Harald Hauptseminarpräsentation Kirschenmann Personenerkennung 1 Inhaltsübersicht Motivation Grundlagen Benchmark Eigene Gesichtserkennung 2 Motivation Baustein einer Microservice Architektur Personenerkennung
MehrReinforcement learning
Reinforcement learning Erfolgsgeschichten... Quelle: twitter.com/ai memes Q-Learning als Art von Reinforcement learning Paul Kahlmeyer February 5, 2019 1 Einführung 2 Q-Learning Begriffe Algorithmus 3
MehrUmfragekodierung mittels künstlicher Intelligenz. Maurice Gonzenbach, Caplena, Zürich,
Umfragekodierung mittels künstlicher Intelligenz Maurice Gonzenbach, Caplena, Zürich, 22.3.2018 Agenda 1. Problemstellung: Kodieren 2. Ansätze 3. Technischer Exkurs: KI und Kontext 4. Resultate & Anwendungen
MehrArtificial Intelligence. Deep Learning Neuronale Netze
Artificial Intelligence Deep Learning Neuronale Netze REVOLUTION Lernende Maschinen Mit lernenden Maschinen/Deep Learning erleben wir aktuell eine Revolution in der Informationsverarbeitung. Neue Methoden
MehrBring your own Schufa!
Bring your own Schufa! Jan Schweda Senior Softwareengineer Web & Cloud jan.schweda@conplement.de @jschweda Ziele des Vortrags Die Möglichkeiten von maschinellem Lernen aufzeigen. Azure Machine Learning
MehrWenn Maschinen lernen zu lernen Mensch- Maschine-Kommunikation zwischen Trial-and-Error und Deep Learning?
Wenn Maschinen lernen zu lernen Mensch- Maschine-Kommunikation zwischen Trial-and-Error und Deep Learning? TA17: Neue Arbeitswelt und Digitalisierung Welche Folgen haben neue Organisationsformen und Technologien?
MehrWintersemester 2007/2008 Helmut Seidl Institut für Informatik TU München
Informatik 1 Wintersemester 2007/2008 Helmut Seidl Institut für Informatik TU München 1 0 Allgemeines Inhalt dieser Vorlesung: Einführung in Grundkonzepte der Informatik; Einführung in Denkweisen der Informatik;
MehrIndustrial Data Intelligence Datenbasierte Produktionsoptimierung. Hannover, HMI Peter Seeberg
Industrial Data Intelligence Datenbasierte Produktionsoptimierung Hannover, 26.04.2017 HMI Peter Seeberg Algorithmus Daten Entscheidung Peter Seeberg / Softing, 2016 Copyright 2016 Softing Industrial.
Mehrelaboratum InsureFin Digital Day 2018 Was kann KI für die Finanzdienstleistungs- und Versicherungsbranche leisten?
elaboratum InsureFin Digital Day 2018 Was kann KI für die Finanzdienstleistungs- und Versicherungsbranche leisten? Wolfgang Beinhauer Fraunhofer IAO Seite 1 Mensch oder Maschine? Der Turing-Test (Alan
MehrMachine Learning & Künstliche Intelligenz
Dr. med. Christina Czeschik Serapion www.serapion.de Machine Learning & Künstliche Intelligenz Eine kurze Einführung Künstliche Intelligenz intelligent nutzen Essen, 08.06.2018 Künstliche Intelligenz Turing-Test
MehrSeminar 17. Programmierung. Fachgebiet Didaktik der Informatik Bergische Universität Wuppertal. Seminar Didaktik der Informatik vom 22.
mittel Seminar 17 und fachdidaktik Seminar Didaktik der vom 22. Januar 2018 Version: Stand: Zuletzt bearbeitet von: Lizenz: gfi commit short gfi date gfi author name https://creativecommons.org/licenses/by-nc-sa/4.0/deed.de
MehrEin neuer Datenpragmatismus als Wegbereiter für Künstliche Intelligenz?
Ein neuer Datenpragmatismus als Wegbereiter für Künstliche Intelligenz? TA16: Smart New World Was ist smart an smarten Technologien? Wien, 30.5. 2016 Stefan Strauß Big Data Evolution shaunhall132.files.wordpress.com
MehrModulliste. für den Masterstudiengang. Data & Knowledge Engineering (alt) an der Otto von Guericke Universität Magdeburg Fakultät für Informatik
Modulliste für den Masterstudiengang Data & Knowledge Engineering (alt) an der Otto von Guericke Universität Magdeburg Fakultät für Informatik vom Sommersemester 2019 Der Masterstudiengang Data & Knowledge
MehrDer Weg zum intelligenten Assistenten Machine Learning, Künstliche Intelligenz und Kognitive Suche
Der Weg zum intelligenten Assistenten Machine Learning, Künstliche Intelligenz und Kognitive Suche Photo by Bence Boros on Unsplash AGENDA Über uns Begrifflichkeiten: Machine Learning, KI & Cognitive Search
MehrTermine der Klausuren und Präsenzveranstaltungen der Mathematik im WS 2008/ Lineare Algebra I (Bachelor)
Termine der Klausuren und Präsenzveranstaltungen der Mathematik im WS 2008/09 Klausurtermine 14.02.2009 01104 Lineare Algebra I (Bachelor) 01141 Mathematische Grundlagen 01215 Diskrete Mathematik 01221
MehrMaschinen in den Dienst der Gesellschaft stellen
Maschinen in den Dienst der Gesellschaft stellen Technik- & Gefährdungstrends begegnen Cybersicherheitstag Niedersachsen Fachforum 4 22. Oktober 2018 Michael Puntschuh Twitter: @algoethik @gloptimist Blitz-Umfrage
MehrErgebnisse des 1. Workshops DigiTransMoBiL
Ergebnisse des 1. Workshops DigiTransMoBiL Manfred Daniel und Dietmar Ratz DHBW Karlsruhe Dennis Schulmeister-Zimolong cormeta ag 1 Teilnehmer des 1. Workshops Prof. Manfred Daniel Prof. Dr. Dietmar Ratz
MehrPotentiale der Digitalisierung Herausforderungen gestalten. Prof. Dr. Christoph Meinel Dekan, Institutsdirektor und CEO Hasso-Plattner-Institut
Herausforderungen gestalten Prof. Dr. Christoph Meinel Dekan, Institutsdirektor und CEO Hasso-Plattner-Institut Herzlich Willkommen zur skonferenz Brandenburg 2018! Die Digitale Transformation ist, nach
Mehr7. Vorlesung Neuronale Netze
Soft Control (AT 3, RMA) 7. Vorlesung Neuronale Netze Grundlagen 7. Vorlesung im Aufbau der Vorlesung 1. Einführung Soft Control: Definition und Abgrenzung, Grundlagen "intelligenter" Systeme 2. Wissensrepräsentation
MehrAdaptive Lernsysteme für soziale Kognition: Ein emotionaler Dreisprung
Adaptive Lernsysteme für soziale Kognition: Ein emotionaler Dreisprung Ulrike Lucke 06. Dezember 2017 elearning-netzwerktag 2017 Frankfurt a.m. 1 Emotionen in der Lehre 06. Dezember 2017 elearning-netzwerktag
MehrKünstliche Intelligenz Marktpotential im Billionen Dollar Bereich 1. Alphabet
1. Alphabet Die Google Mutter ist aufgrund diverser Zukäufe in der Entwicklung neuer Algorithmen führend. Schon im Jahr 2014 hat Alphabet für 600 Millionen US Dollar DeepMind übernommen, ein Unternehmen,
MehrAI in Computer Games. Übersicht. Motivation. Vorteile der Spielumgebung. Techniken. Anforderungen
Übersicht AI in Computer Games Motivation Vorteile der Spielumgebung Techniken Anwendungen Zusammenfassung Motivation Vorteile der Spielumgebung Modellierung glaubwürdiger Agenten Implementierung menschlicher
MehrVerwendung von OpenStreetMap-Daten in der RoboCup Rescue Simulation League
Verwendung von OpenStreetMap-Daten in der RoboCup Rescue Simulation League Albert-Ludwigs-Universität Freiburg Moritz Göbelbecker und Christian Dornhege Abteilung für Grundlagen der KI Institut für Informatik
MehrBertrandt Ingenieurbüro GmbH Maschinelles Lernen für Autonomes Fahren
Bertrandt Ingenieurbüro GmbH Maschinelles Lernen für Autonomes Fahren Regensburg, 18.05.2017, Ulrich Haböck Bertrandt Ingenieurbüro GmbH Maschinelles Lernen für Autonomes Fahren 0 Agenda Grundlagen Machine
MehrVisuelle Bildsuche und Bildnavigation. Prof. Dr. Kai Uwe Barthel
Visuelle Bildsuche und Bildnavigation Prof. Dr. Kai Uwe Barthel Übersicht Probleme der Bildsuche Textbasierte Bildsuche Visuelle (Low-Level-)Bildsuche Fusion der Suchprinzipien Automatisches Bildverstehen
MehrComputer Science meets Philosophy the Future of AI
Computer Science meets Philosophy the Future of AI Seminar im Sommersemester 2017 Vorbesprechung, 27.04.2017 INSTITUT FÜR THEORETISCHE INFORMATIK & INSTITUT FÜR PHILOSOPHIE Superintelligence cover, CC-BY-SA
MehrAdaptive Resonance Theory
Adaptive Resonance Theory Jonas Jacobi, Felix J. Oppermann C.v.O. Universität Oldenburg Adaptive Resonance Theory p.1/27 Gliederung 1. Neuronale Netze 2. Stabilität - Plastizität 3. ART-1 4. ART-2 5. ARTMAP
MehrPredictive Analytics. Warum datenbasierte Vorhersagen kein Hexenwerk sind. ASQF Automation Day Dr. Stefano Signoriello
Predictive Analytics Warum datenbasierte Vorhersagen kein Hexenwerk sind Dr. Stefano Signoriello Seite 1 Inhalte des Vortrags Analytics Von Daten zu Wissen Von Nachsicht über Einsicht zu Voraussicht Descriptive,
MehrKünstliche Intelligenz
Künstliche Intelligenz Bearbeitet von Uwe Lämmel, Jürgen Cleve 4., aktualisierte Auflage 2012. Buch. 336 S. ISBN 978 3 446 42758 7 Format (B x L): 18 x 24,5 cm Gewicht: 717 g Weitere Fachgebiete > EDV,
Mehrconnect World-Café MASCHINEN KENNEN KEINE ETHIK - MÜSSEN WIR UNS SORGEN MACHEN?
connect World-Café MASCHINEN KENNEN KEINE ETHIK - MÜSSEN WIR UNS SORGEN MACHEN? 23. Februar 2017 Inhalte zur Veranstaltung Lange waren selbstlernende Maschinen Science Fiction. Alexa, Dr. Watson & Co.
MehrHannah Wester Juan Jose Gonzalez
Neuronale Netze Supervised Learning Proseminar Kognitive Robotik (SS12) Hannah Wester Juan Jose Gonzalez Kurze Einführung Warum braucht man Neuronale Netze und insbesondere Supervised Learning? Das Perzeptron
MehrMachineLearning für absolute Anfänger.innen
MachineLearning für absolute Anfänger.innen L #ML4AA Julia Dellnitz, smidig.de JUG Saxony Day 2018 Foto: www.pexels.com zielheute Nach der Stunde Habt Ihr die grundlegenden Prinzipien verstanden Kennt
MehrSzenarien einer digitalen Welt. Heute & morgen
Szenarien einer digitalen Welt Heute & morgen Szenarien einer digitalen Welt Morgen & heute » The Internet will disapear «Eric Schmidt,, Alphabet (f.k.a. Google) Executive Chairman auf dem Davos World
MehrKamera-basierte Objekterkennung
Kamera-basierte Objekterkennung Deep Machine Learning. Version 2.0 Einführung Motivation & Megatrends Motivation In der Logistik verursacht die Identifizierung (das Scannen) der Produkte, Pakete, Paletten,
MehrSeminarvortrag. Entscheidungsunterstützung durch KI Systeme
Seminarvortrag Entscheidungsunterstützung durch KI Systeme R E N E D R A L L E 03. 0 5. 20 1 8 K R E AT I V I TÄT U N D T E C H N I K S S 1 8 G R A E B E Inhalt Was ist Künstliche Intelligenz? Künstliche
MehrArtificial Intelligence. Was ist das? Was kann das?
Artificial Intelligence Was ist das? Was kann das? Olaf Erichsen Tech-Day Hamburg 13. Juni 2017 Sehen wir hier bereits Künstliche Intelligenz (AI)? Quelle: www.irobot.com 2017 Hierarchie der Buzzwords
MehrEinführung in die Artificial Intelligence
Einführung in die Artificial Intelligence Institut für Computertechnik ICT Institute of Computer Technology Roland Lang mailto:langr@ict.tuwien.ac.at Definition: Was ist AI? ISO 4177: Artificial Intelligence
MehrKünstliche Intelligenz und Roboter
Künstliche Intelligenz und Roboter Prof. Dr. Rolf Dornberger Rotary Club Basel Dreiländereck 24.4.2018 Agenda Prolog Fachhochschule Nordwestschweiz FHNW, Hochschule für Wirtschaft, Institut für Wirtschaftsinformatik
MehrMaschinelles Lernen in der Medizintechnik
Maschinelles Lernen in der Medizintechnik Was ist möglich? ASTRUM IT GmbH Am Wolfsmantel 2 91058 Erlangen Dr. Jan Paulus Tel.: +49 9131 9408 339 jan.paulus@astrum-it.de Dr. Matthias Weidler Tel.: +49 9131
MehrAUTOMATION DER ANALYSE UND VORHERSAGE VON ENERGIEDATEN AI-BASED IOT PLATFORM
AUTOMATION DER ANALYSE UND VORHERSAGE VON ENERGIEDATEN AI-BASED IOT PLATFORM ifesca GmbH GRÜNDUNG DURCH EHEMALIGE FRAUNHOFER- WISSENSCHAFTLER EXPERTEN AUF DEM GEBIET ENERGIE- WIRTSCHAFT UND SOFTWARETECHNIK
MehrRegellose künstliche Intelligenz Deep Learning - Lernen an Hand von Beispielen
Regellose künstliche Intelligenz Deep Learning - Lernen an Hand von Beispielen EDV-Gerichtstag 2018, Saarbrücken 20.9.2019 Jörn Erbguth, Legal Tech Consultant joern@erbguth.ch +41 787256027 Agenda Beispiele
MehrDeep Learning auf dem Weg zu (selbst-)lernenden Maschinen?
Deep Learning auf dem Weg zu (selbst-)lernenden Maschinen? OCG Horizonte, Wien, 19.6. 2017 Stefan Strauß Deep Learning the next big (data) thing? DL=Representation-learning methods with multile layers
MehrTeil VIII. Weiterführende Veranstaltungen im FG Wissensverarbeitung
Teil VIII Weiterführende Veranstaltungen im FG Wissensverarbeitung Überblick 1 Zusammenfassung AlgoDS 2 Datenbanken 3 Internet-Suchmaschinen 4 Knowledge Discovery 5 Künstliche Intelligenz 6 Seminare &
MehrKünstliche Intelligenz im Maschinen- und Anlagenbau Heilsbringer oder Hypebringer?
ASQF Automation Day 2018 - Predictive Analytics Künstliche Intelligenz im Maschinen- und Anlagenbau Heilsbringer oder Hypebringer? Vasilij Baumann Co-Founder/Co-CEO vasilij.baumann@instrunext.com +49 931
MehrEntwicklung und Einsatz von Expertensystemen
Karl Kurbel Entwicklung und Einsatz von Expertensystemen Eine anwendungsorientierte Einführung in wissensbasierte Systeme Mit 46 Abbildungen Springer-Verlag Berlin Heidelberg New York London Paris Tokyo
MehrWie arbeiten Mensch und künstliche Intelligenz in Zukunft zusammen?
Wie arbeiten Mensch und künstliche Intelligenz in Zukunft zusammen? Prof. Dr.-Ing. Ralph Bruder Vizepräsident für Studium, Lehre und wissenschaftlichen Nachwuchs Leiter des Instituts für Arbeitswissenschaft
MehrBig Data und künstliche Intelligenz
Big Data und künstliche Intelligenz Wie Daten gewonnen und ausgewertet werden können. Mittwoch 15. März, 12:30 13:15 Uhr Marcel Bernet Weiterbildung wie ich sie will Definition Der aus dem englischen Sprachraum
MehrDOKUMENTENKLASSIFIKATION MIT MACHINE LEARNING
DOKUMENTENKLASSIFIKATION MIT MACHINE LEARNING Andreas Nadolski Softwareentwickler andreas.nadolski@enpit.de Twitter: @enpit Blogs: enpit.de/blog medium.com/enpit-developer-blog 05.10.2018, DOAG Big Data
MehrWas ist, kann und darf Deep Learning? Dr. Beat Tödtli Laboratory for Web Science
Was ist, kann und darf Deep Learning? Dr. Beat Tödtli Laboratory for Web Science 15.12.2017 Suchinteresse 15.12.2017 Was ist, kann und darf Deep Learning? 2 Google Trends für Deep Learning ILSVRC 2012:
MehrWas ist künstliche Intelligenz?
Künstliche Intelligenz erobert den Weltraum Künstliche Intelligenz ist ein viel diskutiertes Thema. Die Einsatzmöglichkeiten der künstlichen Intelligenz sind enorm und auch für die Raumfahrt bieten sich
MehrNeural Networks. mit. Tools für Computerlinguist/innen
Neural Networks mit Tools für Computerlinguist/innen WS 17 / 18 Anwendungsbeispiele Anwendungsbeispiele Anwendungsbeispiele Anwendungsbeispiele WaveNet ist ein Voice Synthesizer und ein Projekt von Google
MehrWas denken denkende Maschinen? WI-Award, Crowne Plaza Zürich, Thilo Stadelmann
Was denken denkende Maschinen? WI-Award, Crowne Plaza Zürich, 20.10.2016 Thilo Stadelmann Was? Wie? Wohin? 1 Was ist passiert? (Eine kurze Geschichte der letzten Monate) 2 3 4 5 6 7 Generierte Sprache
MehrVorlesung: Künstliche Intelligenz
Vorlesung: Künstliche Intelligenz - KI heute, KI morgen, KI übermorgen- D P LS G ML ES S ST SA NN ME O EA SV Künstliche Intelligenz Miao Wang 1 Inhaltliche Planung für die Vorlesung 1) Definition und Geschichte
MehrAI JOURNEY Vom Hype zu echten industriellen Anwendungen und Mehrwerten für Kunden und Mitarbeiter.
AI JOURNEY Vom Hype zu echten industriellen Anwendungen und Mehrwerten für Kunden und Mitarbeiter. AIM KOMPETENZEN & PORTFLIO Artificial Intelligence / Machine Learning Agile & DevOps Beratung Atlassian
MehrNeue Erkenntnisse aus unstrukturierten Daten gewinnen
Neue Erkenntnisse aus unstrukturierten Daten gewinnen Univ.-Prof. Dr. Josef Küng Institut für anwendungsorientierte Wissensverarbeitung (FAW) Johannes Kepler Universität Linz In Zusammenarbeit mit Mag.
MehrModellierung menschenähnlicher Gegenspieler in Strategiespielen mit Techniken der Computational Intelligence
Modellierung menschenähnlicher Gegenspieler in Strategiespielen mit Techniken der Computational Intelligence Nicola Beume, Boris Naujoks, Mike Preuß WiSe 2007/08, SoSe 2008 Technische Universität Dortmund
MehrSeminar Künstliche Intelligenz Wintersemester 2014/15
Seminar Wintersemester 2014/15 Martin Hacker Richard Schaller Department Informatik FAU Erlangen-Nürnberg 8.10.2014 Vorstellung Über die Dozenten Institution Lehrstuhl für 2 / 7 2 / 7 KISEM WS 2014/15
MehrSupervised & Unsupervised Machine Learning
Machine Learning-Algorithmen in Python mit scikit-learn Machine Learning-Algorithmen in Python mit scikit-learn Kurzbeschreibung Machine Learning-Algorithmen sind ein elementares Element von Künstlicher
MehrÜber Kontrolle und Gestaltbarkeit künstlicher Intelligenz
Über Kontrolle und Gestaltbarkeit künstlicher Intelligenz Prof. Dr. Katharina A. Zweig Algorithm Accountability Lab TU Kaiserslautern Wer von Ihnen ist heute schon künstlich intelligent? Digitale Assistenten
MehrEinführung in die AI
1 Einführung in die AI Prof. Georg Gottlob Institut für Informationssysteme Technische Universität Wien Folien zur Vorlesung Konzepte der Artificial Intelligence 3 Zum Begriff Artificial Intelligence AI:
MehrVorlesung Programmieren
Vorlesung Programmieren Einführung 26.10.2016 Jun.-Prof. Dr.-Ing. Anne Koziolek Version 1.0 ARBEITSGRUPPE ARCHITECTURE-DRIVEN REQUIREMENTS ENGINEERING (ARE) INSTITUT FÜR PROGRAMMSTRUKTUREN UND DATENORGANISATION
MehrWie lange gibt es noch kritische Medien
Donnerstag, 21. Dezember 2017, 11:00 Uhr ~3 Minuten Lesezeit Wie lange gibt es noch kritische Medien im Netz? Zensur wird zum Standard, nicht nur bei Google. von Wolfgang Romey Foto: one photo/shutterstock.com
MehrNeuronale Netze. Automatische Hinderniserkennung Paul Fritsche
1 Neuronale Netze Automatische Hinderniserkennung 2 Hintergrund Grundlagen Tensorflow Keras Fazit 3 TTBN 4 TTBN 5 TTBN 6 TTBN 7 Biological Neural Network By BruceBlaus - Own work, CC BY 3.0 8 Artificial
MehrModellierung mit künstlicher Intelligenz
Samuel Kost kosts@mailbox.tu-freiberg.de Institut für Numerische Mathematik und Optimierung Modellierung mit künstlicher Intelligenz Ein Überblick über existierende Methoden des maschinellen Lernens 13.
MehrSuche in Spielbäumen Projektvorschläge
Suche in Spielbäumen Projektvorschläge Nullsummenspiele sind Spiele mit zwei Spielern, bei denen der Vorteil des einen Spielers dem Nachteil des anderen Spieler entspricht. Im einfachsten Fall binär (Sieg
Mehr