Kontakt

Leitung

Prof. Dr.-Ing. Daniel Sonntag

Sekretatriat

iml-sek@dfki.de

Sprechstunde nach Vereinbarung

Anschrift

Stiftungsprofessur Künstliche Intelligenz
Marie-Curie Str. 1
D-26129 Oldenburg

Siehe auch

Applied Artificial Intelligence

Die Arbeitsgruppe „Applied AI“, die in den Forschungsbereich Interaktives Maschinelles Lernen des Deutschen Forschungszentrums für Künstliche Intelligenz integriert ist, thematisiert die Anwendung und Anpassung von Verfahren der Künstlichen Intelligenz auf beispielsweise industrielle und medizinische Anwendungen. In Oldenburg spielt das Thema Nachhaltigkeit (Sustainability) eine große Rolle.

Forschungsrelevante Anwendungsaspekte adressieren vor allem den Einsatz von lernenden Systemen und intelligenten Benutzerschnittstellen. Besondere Arbeitsschwerpunkte sind die multimodale Ein- und Ausgabe sowie Multisensor-Anwendungen mittels Umgebungs- und Zustandserkennung, Sensordatenverarbeitung und Fragen der Echtzeitfähigkeit und Interaktivität beim Lernen mit sehr großen oder sehr kleinen Datenmengen bis hin zu Zuverlässigkeitsaspekten (inklusive Vertrauen in KI und erklärbare KI).

Ungeachtet spezieller Themengebiete liegt das übergeordnete Forschungsziel in der Gestaltung von Handlungsanweisungen für die praktische Anwendung von Künstlicher Intelligenz. Zusätzlich wird Grundlagenforschung im interdisziplinären Bereich der Mensch-Maschine-Interaktion in Kombination mit Maschinellem Lernen betrieben.

Studentenprojekte für den KI-Transfer sind uns besonders wichtig, eine Auswahl ist hier zu finden: iml.dfki.de Für Bachelor- und Masterarbeiten wenden Sie sich bitte an Hannes Kath.

News

Best PhD Colloquium Paper Award bei der GoodIT 2024

Hannes Kath, Thiago Gouvêa und Daniel Sonntag wurden auf der 4th International Conference on Information Technology for Social Good (GoodIT 2024) in Bremen mit dem Best PhD Colloquium Paper Award für ihre Arbeit „Active and Transfer Learning for Efficient Identification of Species in Multi-Label Bioacoustic Datasets“ ausgezeichnet.

Die Forschung präsentiert innovative Ansätze zur Detektion bekannter und unbekannter Spezies in großen bioakustischen Datensätzen und untersucht Methoden, um mit minimalem Annotationsaufwand möglichst viele Arten präzise zu identifizieren.

Hannes Kath, Thiago Gouvêa und Daniel Sonntag wurden auf der 4th International Conference on Information Technology for Social Good (GoodIT 2024) in Bremen mit dem Best PhD Colloquium Paper Award für ihre Arbeit „Active and Transfer Learning for Efficient Identification of Species in Multi-Label Bioacoustic Datasets“ ausgezeichnet.

Die Forschung präsentiert innovative Ansätze zur Detektion bekannter und unbekannter Spezies in großen bioakustischen Datensätzen und untersucht Methoden, um mit minimalem Annotationsaufwand möglichst viele Arten präzise zu identifizieren.

Webmaster (Stand: 02.09.2024)  | 
Zum Seitananfang scrollen Scroll to the top of the page