Beiträge

Object Detection: Wie Maschinen Objekte erkennen

31. Mai 2023

Luise

Weickhmann

Maxmilian

Otten

Mithilfe von Object-Detection-Verfahren können Maschinen darauf trainiert werden, Objekte zu erkennen und zu verorten. In diesem Beitrag geben wir einen Überblick über dieses Teilgebiet der Computer Vision.

GraphSAGE: Nutzerverhalten mit ML-basierten Empfehlungsdiensten vorhersagen

23. Mai 2023

Anna

Höpfner

GraphSAGE ist ein leistungsstarkes ML-Verfahren, das zur Analyse großskaliger und dynamisch wachsender Daten mit Graphstruktur verwendet wird. Wie genau funktioniert die Methode, mit deren Hilfe sich personalisierte Empfehlungen ausspielen lassen?

Automatische Klassifikation eines Publikationsnetzwerks mithilfe eines Graph Attention Networks

19. Mai 2023

Maximilian

Sauerzapf

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.

Graph Neural Networks: Eine Einführung in die Welt der Graphen-basierten KI-Modelle

10. Mai 2023

Golo

Pohl

Zahlreiche alltägliche Strukturen lassen sich als Graph darstellen. Graph Neural Networks nutzen deren Aufbau, um Informationen von benachbarten Knoten zu sammeln und in Graphen die Beziehungen von Objekten untereinander zu analysieren.

Die Lineare Diskriminanzanalyse: Eine Methode zur Dimensionsreduktion von klassifizierbaren Datensätzen

19. April 2023

Fabian

Gawellek

Große Datenmengen sind bei der Berechnung von ML-Algorithmen problematisch. Eine Lösung liegt in Dimensionsreduktionsverfahren wie der Linearen Diskriminanzanalyse (LDA), sie reduziert die Anzahl der Daten-Merkmale unter Berücksichtigung der vorhandenen Klassen Labels.

Die Hauptkomponentenanalyse – Eine Methode zur Dimensionsreduktion auf großen Datenmengen

12. April 2023

Jan

Stettner

Das Lernen auf großen, hochdimensionalen Datensätzen liefert besonders aussagekräftige Ergebnisse, verbraucht aber sehr viel Speicher- und Rechenkapazität. Das Verfahren der Dimensionsreduktion kann zur Lösung dieses Problems beitragen.

Wissenschaftliches Arbeiten leicht gemacht: Erstellen von strukturierten Notizen

5. April 2023

Matthias

Jakobs

Um neue Konzepte besser verstehen und behalten zu können, müssen neue Informationen strukturiert und organisiert werden. Dieser Artikel stellt Herangehensweisen und Tools vor, welche Lamarr-Forscher*innen zur effizienten Notizerstellung nutzen.

|Darstellung der Shapley-Werte zur Erklärung von Merkmalen der Eingabedaten. Die Gatter nehmen dabei die Position von „Spielern“ in einem Koalitionsspiel ein.|Modifizierte Quantenschaltung zur Bestimmung der Beitrag der einzelnen Gatter.

Erklärbarkeit von Gattern in Quantenschaltkreisen mit Shapley-Werten

22. März 2023

Sascha

Mücke

Durch die Anwendung von Shapley-Werten auf die Quanteninformatik erklären Lamarr-Forschende die Rolle bestimmter Gatter in einem Quantenschaltkreis und geben Einblicke in die Funktionsweise von Modellen des Quantum Machine Learning.

|Darstellung der Hyperebenen 1 bis 3|Optimale Hyperebene maximiert den Abstand zwischen den beiden Klassengrenzen.|Soft Margin Support Vector Machines versuchen die Distanzen zu falsch klassifizierten|Beispiel für eine Menge von Punkten

Was sind Support Vector Machines und wie funktionieren sie?

7. März 2023

Till

Schulz

Die Support Vector Machine ist eine häufig verwendete Methode zum überwachten Lernen, welche insbesondere Anwendung in der Klassifikation von Bild- und Textdaten findet. Dieser Beitrag geht auf ihre Funktionsweise ein.

ChatGPT: Ein Chatbot, der sogar programmieren kann?

24. Februar 2023

Christian

Bauckhage

Eine Maschine, die alles weiß und selbst Code schreiben kann? Diese sehr menschliche Fantasie scheint nun wahr geworden. Doch wie verlässlich ist ChatGPT? Unser Autor hat das Sprachmodell erneut befragt.

Unsere Rubriken

Grundlagen

Für Einsteiger*innen: Hier erklären wir Begriffe und grundlegende Konzepte des Maschinellen Lernens und der Künstlichen Intelligenz.

Zur Rubrik

Forschung

Für Profis: Unsere Autor*innen berichten über Forschungstrends und ihre aktuellen wissenschaftlichen Arbeiten zum Maschinellen Lernen.

Zur Rubrik

Anwendung

Für Praktiker*innen: Hier geht es um Wissenstransfer. Wir schlagen die Brücke zu praktischen Anwendungen in Wirtschaft und Gesellschaft.

Zur Rubrik

Haben Sie Fragen oder möchten Sie gern selbst einen Beitrag für unseren Blog schreiben?

Schreiben Sie uns eine Nachricht