Blogs on Trainingsdaten » Lamarr-Institut

Illustration. Two hands holding a monitor with features about trustworthy and responsible AI displayed.

Der FRIES Trust Score: Wie die Vertrauenswürdigkeit von KI quantifiziert werden kann

11. Juni 2025

Wie kann die Vertrauenswürdigkeit von KI-Modellen objektiv und systematisch gemessen werden? Der FRIES Trust Score bietet einen strukturierten Ansatz, um Transparenz und Vergleichbarkeit in Modellen und Datensätzen zu fördern....

Beitragsbild 7 scaled - Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)

BlogGrundlagen

Bewusste Nutzung von Large Language Models: Wie lassen sich Bias vermeiden?

Dr. Anna Lena Emonds, Julia Kaballo,

17. Juli 2024

Bias in Trainingsdaten von Large Language Models sind ein Problem. Lernen Sie, die Auswirkungen unbewusster Voreingenommenheiten zu erkennen und zu minimieren, um fairere und vielfältigere Ergebnisse zu erzielen. ...

Beitragsbild 6 scaled - Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)

BlogGrundlagen

Ethischer Umgang mit Trainingsdaten: Für Fairness und Datenschutz in KI-Systemen

Thomas Dethmann, Jannis Spiekermann,

03. Juli 2024

Erfahre, wie der ethische Umgang mit Trainingsdaten Bias minimiert, Datenschutz gewährleistet und Vertrauen in Künstliche Intelligenz fördert....

00 Blog Studis fuer Studis CSC 1 - Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)

BlogGrundlagen

Automatische Klassifikation eines Publikationsnetzwerks mithilfe eines Graph Attention Networks

Maximilian Sauerzapf,

19. Mai 2023

Soziale Netzwerke sind heutzutage allgegenwärtig. Doch wie können mit Hilfe von Neuronalen Netzen Informationen aus ihnen gewonnen werden? Um diese Frage zu beantworten, stellen wir das Graph Attention Network vor....

00 Blog Becker Einfuehrung in Sum Product Networks - Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)

BlogForschung

Sum-Product Networks – Eine neue tiefe Architektur des Maschinellen Lernens

Alexander Becker,

12. Juli 2022

Eine klare Semantik mit Bezug zu Trainingsdaten, Erlernen von Struktur und Parametern, effiziente Inferenz sowie eine vielseitige Anwendbarkeit: Das verbinden Sum-Product Networks in sich – eine neuartige Modellarchitektur des Maschinellen Lernens....

|Vergessen im Maschinellen Lernen|Vergessen im Maschinellen Lernen||

BlogGrundlagen

I forgot to remember to forget: Vergessen als neue Anforderung an KI

Alexander Becker,

29. September 2021

Mit der DSGVO trat das Recht auf Vergessenwerden in Kraft. Im Maschinellen Lernen eröffnet gezieltes Vergessen neben Aspekten der Datensicherheit und Privatsphäre auch Potenziale für die Anwendbarkeit und Weiterentwicklung von Lernmodellen....

BlogGrundlagen

Optimierung im Maschinellen Lernen

Dr. Raphael Fischer,

13. Januar 2021

Optimierung ist eine Schlüsselkomponente des Maschinellen Lernens, die erlaubt, Modelle basierend auf Daten zu trainieren. Sie arbeitet meist im Hintergrund, ist jedoch gerade bei hochkomplexen Lernproblemen und schwieriger Datenlage wichtig....