Datenaugmentierung und Unsicherheitsbewertung für KI/ML-Modell

⚡️ Lernen aus Daten: Eine Präsentation und Austausch zum Thema Datenaugmentierung und Unsicherheitsbewertung für KI/ML-Modelle

Referenten: Pascal Gerber und Janek Groß vom Fraunhofer IESE 

🎓 Zielgruppe: Interessierte Mitarbeiter und Mitarbeiterinnen in Unternehmen, die AI/ML-Modelle verwenden oder implementieren möchten.

🔍 Inhalte:
• Tauche ein in die Welt der Datenaugmentierung und ihre Bedeutung für robuste KI/ML-Modelle.
• Erhalte Einblicke in die Herausforderungen von suboptimalen Eingabedaten und lerne, wie man diese durch unser Augmentationframework verbessert.
• Entdecke den modelagnostischen Uncertainty Wrapper und wie er eine transparente Unsicherheitsbewertung für Modellausgaben ermöglicht.

🎯 Ziel: Dieser Kurs soll ein Bewusstsein für die Bedeutung von Datenqualität und Unsicherheitsbewertung in der KI/ML-Anwendung schaffen. Teilnehmer und Teilnehmerinnen werden befähigt, Strategien zur Verbesserung der Robustheit und Genauigkeit ihrer Modelle zu verstehen und umzusetzen.

💡 Seid dabei und gestaltet eine zuverlässige KI-Zukunft für euer Unternehmen!