Raphael Fischer ist wissenschaftlicher Mitarbeiter am Lamarr-Standort der Technischen Universität Dortmund. Hier forschte er bislang zur Anwendung graphischer Modelle auf Satellitendaten. In Zukunft wird er sich vermehrt dem interaktiven Maschinellen Lernen widmen.
Die Verbesserung der Vorhersagequalität von gelernten ML-Modellen führt zu Verfahren mit hohem Energieverbrauch. Eine neue Methode ermöglicht die Ermittlung von Energieeffizienz im ML, sowie eine Darstellung in Form von Energie Labels.
Mehr lesen
Bei Daten mit Lücken ist das Lernen von Modellen oft schwierig, und in manchen Fällen sogar unmöglich. Allerdings können generative Verfahren helfen, indem sie unvollständige Daten mit möglichst sinnvollen Annäherungen auffüllen.
Mehr lesen
Optimierung ist eine Schlüsselkomponente des Maschinellen Lernens, die erlaubt, Modelle basierend auf Daten zu trainieren. Sie arbeitet meist im Hintergrund, ist jedoch gerade bei hochkomplexen Lernproblemen und schwieriger Datenlage wichtig.
Mehr lesen
Maschinelles Lernen ist längst zum festen Bestandteil unserer Welt geworden, sie verändert unser Leben und die Gesellschaft. Wir erklären hier die grundlegenden Begriffe und Konzepte dieser neuartigen Technologie.
Mehr lesen