KI Anwendungen sind in aller Munde. Aber der Weg zum sicheren KI System mit voller Kontrolle der Unsicherheiten ist lang und komplex. In dieser Vorlesung lernen Sie bewährte model-basiertes Systemansätze mit modernen KI Methoden zu verknüpfen.
Ingenieure versuchen, KI-Systeme zu entwickeln, indem sie Erkenntnisse aus den Bereichen Neuro- und Kognitionswissenschaften, angewandte Mathematik, Statistik, Physik, Biologie und Evolution kombinieren. Daraus entsteht ein grundlegender Bedarf an einer integrativen Disziplin, die die unterschiedlichen Perspektiven zusammenführt und den Weg ebnet für das Design, die Analyse und Validierung komplexer, verteilter und intelligenter Systeme. In dieser Vorlesung werden Sie als künftige KI-Systemingenieur(-in)ausgebildet. Insbesondere wird Ihnen vermittelt, wie Sichtweisen von Benutzer, Modellierer, Implementierer und Tester für das Design von intelligenten Systemen untersucht werden können.
Mit Hilfe des Artificial Intelligence Systems Engineering Laboratory (AISEL) verproben Sie den vollen KI Systems Engineering Ansatz in praktischen Projekten: Simulation, Bias-Vermeidung, erklärende KI-Komponenten, Optimierung von Netzwerkarchitekturen und Übertrag von Ansätzen aus der Hirnforschung.
Diese Vorlesung besteht zu einem großen Teil aus der Bearbeitung von praktischen Anwendungsfällen aus den Bereichen Mobilität und Logistik, autonomem Fahren, Überwachungssystemen von Fahrern, Videoüberwachungssysteme, automatisierte Inspektion und Agrarwirtschaft die eine hohe industrielle Relevanz bieten. Lehrinhalte werden projektbegleitend zu den oben genannten Themen zur Verfügung gestellt und bearbeitet.
- Trainer/in: Sina Ditzel
- Trainer/in: Visvanathan Ramesh
- Trainer/in: Michael Rammensee