Hyperparameter Tuning (oder Hyperparameteroptimierung) ist ein wichtiger Schritt im Prozess der Entwicklung und Optimierung künstlicher Intelligenz (KI Modell). Hyperparameter sind die externen Parameter, die das Verhalten des KI-Modells kontrollieren und von den...
Durch maschinelle Lernverfahren erstellte Modelle verlieren ihre Gültigkeit, wenn sich die statistischen Eigenschaften der Eingabedaten, auf denen sie operieren, ändern. Solche Änderungen bezeichnet man als Drift. Ursachen können vielfältig sein, wie z.B. saisonale...
Große vortrainierte KI Sprachmodelle (LLMs) zeigen erstaunliche emergente Fähigkeiten, die sich für eine Vielzahl von industriellen Anwendungen nutzen lassen. Das Weltwissen ist dabei in den Parametern des Modells dargestellt und diese Parameter lassen sich über...
In der sich ständig weiterentwickelnden Landschaft der künstlichen Intelligenz (KI) ist es entscheidend, neue Ansätze für die Darstellung und Interaktion mit KI-Modellen zu entwickeln. Unser Dienstangebot konzentriert sich darauf, KI-Modelle für die Ko-Intelligenz zu...
ChatGPT hat eindrucksvoll gezeigt, wie das Lernen von Auswahlstrategien auf Basis von menschliches Feedback die Performance von Sprachmodellen verbessern konnte (bei der initialen Nutzbarkeit von Chat-GPT versus dem GPT-3 Basismodell). Viele der Techniken zum...
Simulationen können komplexe ungesehene Phänomene vorhersehen, während maschinelles Lernen insbesondere bestehende Beobachtungen generalisieren kann. Beide Arten des Computational Engineerings eignen sich dazu durch den Einsatz massiver Rechenpower physikalische...
Neuronale Netze können heute oft auf Basis von Rohdaten lernen. Jedoch gibt es viele Gründe dafür die Phase der Merkmalsextraktion getrennt zu betrachten. Zum einen kann dies das Fehlen von genügend annotierten Daten sein, zum anderen kann es auch Sinn machen...
Das KIT optimiert ihre existierenden kleinen und großen neuronalen Netzwerke und passt existierende Architekturen semiautomatisch auf ihre Bedürfnisse an. Der Entwurfsraum für Neuronale Netzarchitekturen ist immens. Aktuelle Neuronale-Architekturen können oft durch...
Maschinelle Lernalgorithmen werden auf lediglich auf die Genauigkeit auf Testdaten verglichen. In der Realität gibt es jedoch deutlich mehr Maße, um die Robustheit einer KI-Komponente zu beschreiben bzw. zu validieren und fortlaufend zu testen. Bei vielen Daten ist...
Insbesondere im Bereich High-Performance Computing haben wir Erfahrungen im Bereich Hyperparameter Tuning um KI Modelle zu verbessern und in der Parallelisierung und dem Speed-Up beim Model Training und Testing. Diese Erfahrung kann vielversprechend mit der Anwendung...
Die Software AG und das KIT werden die Cumulocity IOT Plattform und Streaming Analytics als Cloud Angebot über für die ersten Auschreibungsrunden für Mikroprojekte in das Projekt SDI-S einbringen. Rahmendaten (ggf. projektspezifisch zu definieren): Der Kontakt läuft...
Das Smart Data Solution Center Baden-Württemberg (SDSC-BW) und das Smart Data Innovation Lab (SDIL) werden 10 Jahre alt! In über 100 Projekten haben sie Unternehmen mit Datenanalysen und innovativen KI-Lösungen geholfen.
In der heutigen Geschäftswelt sind Künstliche Intelligenz (KI) und...
Datum: 14. Dezember 2023, 13:00 bis 16:00 Uhr Ort: online Diese Themen...
Seien Sie Teil eines inspirierenden Tages voller Innovationen, Diskussionen und Netzwerkmöglichkeiten rund um Künstliche Intelligenz und Data Analytics.
Ab Februar 2024 fördert das BMBF bis zu sechs weitere KI-Mikroprojekte mit einer Laufzeit von drei bis acht Monaten. Gefördert wird die Nutzung von KI-Transferleistungen, sogenannten „Smart Data Innovation Services“ (SDI-S) im Wert von bis zu 50.000 Euro oder bis zu 6 Personenmonaten pro Mikroprojekt bis zum 31.01.2024 bewerben.