Logo des Repositoriums

Auflistung nach Autor:in "Rodner, Erik"

1 - 4 von 4
  • Konferenzbeitrag
    Foundations for applied artificial intelligence: enabling and supporting AI teaching and research
    (INFORMATIK 2023 - Designing Futures: Zukünfte gestalten, 2023) Knauer, Ricardo; Wallsberger, Raphael; Grimm, Marvin; Bookhahn, Marian; Neumann, Frank; Matzka, Stephan; Rodner, Erik
    The field of artificial intelligence (AI) has experienced tremendous advances and will undoubtedly shape a range of vertical industries over the next years. Understanding and applying AI technologies are key skills for the future and of utmost importance for virtually all disciplines. At the University of Applied Sciences Berlin, we are designing an infrastructure and community called KI-Werkstatt that allows us to tackle the challenges of applied research and teaching across vertical domains. The following paper outlines our current efforts and principles.
  • Textdokument
    Lernen mit wenigen Beispielen für die visuelle Objekterkennung
    (Ausgezeichnete Informatikdissertationen 2011, ) Rodner, Erik
    Das maschinelle Lernen aus wenigen Beispielen ist ein wichtiges und entscheidendes Problem bei vielen visuellen Erkennungsaufgaben, besonders in industriellen Anwendungen. Im Gegensatz zum Menschen benötigen viele aktuelle Verfahren meistens Hunderte von beschrifteten Beispielbildern. Die Dissertation "Learning with Few Examples for Visual Recognition Problems" beschäftigt sich mit diesem Problem und stellt Lösungsmoöglichkeiten vor, welche sich auf die Verwendung zweier Konzepte stützen: Lerntransfer und Ein-Klassen-Klassifikation. Das folgende Dokument bietet eine Zusammenfassung der Ergebnisse der Dissertation.
  • Konferenzbeitrag
    Eine Methode für die Potenzialanalyse zur Identifikation von Anwendungsszenarien für Maschinelles Lernen
    (INFORMATIK 2024, 2024) Fuchs-Kittowski, Frank; Schulze, Paul; Abecker, Andreas; Lachowitzer, Jonas; Lossow, Stefan; Rudolf, Heino; Rodner, Erik
    Dieser Beitrag präsentiert eine Potenzialanalysemethode zur Identifizierung von Anwendungspotenzialen für Maschinelles Lernen in Organisationen. Diese Methode beschreibt ein systematisches Vorgehen, das die Bedarfe der Mitarbeitenden und die Anforderungen der Geschäftsprozesse in den Vordergrund stellt. Neben der Beschreibung der Struktur und Artefakte der Methode wird in diesem Beitrag die Anwendung der Methode am Beispiel eines Landesumweltamtes erläutert. Die gewonnenen Ergebnisse zeigen, dass die Methode den Landesumweltämtern half, den Prozess der Entwicklung von ML-Lösungen schnell und effektiv durchzuführen und dabei eine nutzenstiftende ML-Lösung auszuwählen.
  • Konferenzbeitrag
    Zum Einsatz von Maschinellem Lernen in der Umweltverwaltung: Der Simplex4Learning Ansatz
    (INFORMATIK 2024, 2024) Abecker, Andreas; Budde, Matthias; Fuchs-Kittowski, Frank; Großmann, Janik; Koch, Werner; Lachowitzer, Jonas; Lossow, Stefan; Rodner, Erik; Rudolf, Heino; Schulze, Paul
    Ziel des im Herbst 2023 gestarteten Forschungsvorhabens Simplex4Learning ist es, die großen und heterogenen Datenbestände der Umweltbehörden für intelligente Analysen mit Methoden des maschinellen Lernens besser zu erschließen und diese Verfahren für Domänenexperten aus dem Umweltbereich ohne vertiefte ML-Kenntnisse praktikabel anwendbar zu machen. Realisiert wird dies (1) durch die Weiterentwicklung der Simplex4Data-Methode zur Datenbereitstellung für ML, ergänzt um (2) AutoML- und MLOps-Funktionalitäten, (3) Funktionalitäten zum Erklären von ML-Ergebnissen, (4) ein ML-Pattern Repository zum Wiederverwenden generalisierter ML-Workflows, all das (5) exemplarisch angebunden an die Datenanalyseplattform Disy Cadenza und das Data Warehouse System Simplex4Data. Der Arbeitsplan des Projekts ist an den konkreten Beispieldaten und Anwendungsfällen von Landesbehörden aus drei Bundesländern orientiert. Der vorliegende Beitrag als „Work-in-Progress“-Bericht skizziert Motivation und Ausgangslage des Vorhabens, den technischen Lösungsansatz und erste Zwischenergebnisse.