Direkt zum Inhalt
AIT Logo

Machine Learning

Vorhersagen und Rückschlüsse aus gesammelten Daten zu ziehen, ist ein zentraler Punkt von Data Science. Deswegen ist Maschinelles Lernen – welches in den frühen Stadien der Forschung an Künstlicher Intelligenz hervorkam und sich aus der Mustererkennung und der Computational Learning Theorie entwickelte – eine der Kernkompetenzen der Forschungsgruppe.

Kompetenz und Technologie

Maschinelles Lernen basiert auf statistischen lernen und leitet Vorhersagemodelle von den zugrundeliegenden Daten ab. Diese Daten können vielfältig sein, in Bezug auf Qualität, Quantität und Art – einschließlich Medien-Daten wie Audio, Video und Text, sowie Sensor Daten, System Logs, etc. Die Kernkompetenzen des Teams liegen im speziellen bei der Audio-Analyse, Textverarbeitung, Graphen-Analyse, sowie multi-modaler Kombinationen der genannten Felder. Obwohl Maschinelles Lernen vermehrt im Unternehmen eingesetzt wird, hebt sich das Digital Insights Lab dadurch hervor, dass die unterschiedlichen Kompetenzen der Teammitglieder eine Abdeckung des gesamten Data Science Zyklus ermöglichen. Dies beinhaltet das Einpflegen der Daten – von kleinen bis sehr großen („Big Data“) Datenmengen – Vorverarbeitung, Modellieren von Vorhersagemodellen basierend auf maschinellen Lernen, sowie dem Ziehen von Rückschlüssen, deren Interpretation und Unterstützung bei Entscheidungsfindung

Deep Learning

Deep Learning ist eine Methode des Maschinellen Lernens basierend auf Neuronalen Netzwerken. Mehrere Schichten werden verwendet, um diese Netzwerke „tiefer“ zumachen und unterschiedliche Arten von Schichten werden angewandt, um bestimmte Aufgaben zu lösen, wie Objekte in Bilder und Text sowie klangliche Ereignisse in Audio-Aufnahmen zu erkennen. Deep Learning hat eine große Popularität erreicht, da es in verschiedenen Anwendungsbereichen bemerkenswerte Ergebnisse liefert. Der Vorteil von Deep Learning ist, dass es prädiktive Funktionen vollständig aus Rohdaten lernt. Dies unterscheidet es von früheren Ansätzen, die aus den Daten manuell definierte Merkmale extrahieren mussten. Diese Funktionen erforderten genaue Kenntnisse der Anwendungsdomäne, sowie die technischen Fähigkeiten, um sie zu extrahieren bzw. zu berechnen. Deep Learning entlastet daher den Machine Learning Spezialisten von der Notwendigkeit solcher Spezialfähigkeiten und ermöglicht allgemeinere Ansätze. Darüber hinaus erleichtert es die Integration verschiedener Datenmodalitäten wie die Kombination von akustischen, visuellen und textuellen Daten in einem Modell. Das Digital Insights Lab hat es geschafft, Deep Learning erfolgreich bei projektrelevanten Aufgaben anzuwenden und sich erfolgreich mit konkurrierenden Forschungsgruppen in internationalen Evaluationskampagnen zu messen.

 

Projects