Transferlernen und Domänenadaption von KI-Modellen

Ein immer häufiger auftretendes Problem in der Anwendung von KI in der Realität besteht dann, wenn der Anwendungsfall (die Zieldomäne) von der bisher bekannten Anwendung (Quelldomäne) abweicht.

Dies tritt z.B. auf, wenn ein bestehendes KI-Modell in Ihrem Unternehmen von Produkt A auf ein (neues) Produkt B übertragen (also adaptiert) oder Ihr mit KI arbeitendes Produkt in einer neuen Umgebung eingesetzt werden soll. In diesen Fällen sind fundierte methodische Kenntnisse aus dem Bereich des sogenannten Transferlernes erforderlich.

Der Vortrag wird dieses wichtige Thema durch einen Mix aus methodische Grundlagen und anwendungsnahen Beispielen aus Forschung und Industrie beleuchten.

Vorkenntnisse

Die Grundlagen des statistischen bzw. maschinellen Lernens sollten bekannt sein. Spezielles Vorwissen zu Deep Learning-Methoden ist nicht erforderlich. Grundlegende Python-Kenntnisse sind sinnvoll, um den Programmierbeispielen folgen zu können.

Lernziele

Folgende Fragen können Sie nach diesem Vortrag beantworten:

  • In welchen Fällen kann Transferlernen (TL) genutzt werden?
  • Wann lohnt sich eine sogenannte Domänenadaption und was ist der Unterschied zum TL?
  • Welche Methoden gibt es und wann wende ich welche an?
  • Welche Anwendungsbeispiele gibt es in Industrie und Forschung?"

Speaker

 

Karl-Philipp Kortmann
Karl-Philipp Kortmann ist wissenschaftlicher Mitarbeiter am Institut für mechatronische Systeme der Leibniz Universität Hannover. Er forscht im Bereich der Zustandsüberwachung komplexer mechatronischer Systeme mit Schwerpunkt auf Produktions- und Energietechnik. Sein methodisches Interesse liegt insbesondere im Bereich der multivariaten Zeitreihenanalyse sowie der Domain Adaptation.

Gold-Sponsor

infoteam
Novatec

M3-Newsletter

Sie möchten über die Minds Mastering Machines
auf dem Laufenden gehalten werden?

 

Anmelden