Exercises: Übung zu Interactive Machine Learning Lab - Details

General information

Course name	Exercises: Übung zu Interactive Machine Learning Lab
Course number	INF-3015
Semester	WS 2024/25
Current number of participants	13
expected number of participants	8
Home institute	Multimodale Mensch-Technik-Interaktion
participating institutes	Fakultät für Angewandte Informatik
Courses type	Exercises in category Teaching
Veranstaltung findet in Präsenz statt / hat Präsenz-Bestandteile	Yes
Hauptunterrichtssprache	deutsch
ECTS points	8

Lecturers

• Alexander Heimerl
• Prof.Dr. Elisabeth André
• Fabio Hellmann
• Bhargavi Mahesh
• Johanna Kuch

Rooms and times

N2026

Fields of study

• Medizinische Fakultät > Medizininformatik
• Fakultät für Angewandte Informatik > Informatik

Module assignments

• Informatik M.Sc. Informatik, PO 2018, 13. Version valid from WS 2024/25 > Wahlbereich Informatik > INF-3015 - Interactive Machine Learning Lab > Interactive Machine Learning Lab (Übung)
• Medizinische Informatik M.Sc. Medizinische Informatik, PO 2021, 7. Version valid from WS 2024/25 > Informatik > INF-3015 - Interactive Machine Learning Lab > Interactive Machine Learning Lab (Übung)
• Informatik und Multimedia M.Sc. Informatik und Multimedia, PO 2018, 13. Version valid from WS 2024/25 > Multimedia > INF-3015 - Interactive Machine Learning Lab > Interactive Machine Learning Lab (Übung)
• Informatik und Multimedia M.Sc. Informatik und Multimedia, PO 2018, 13. Version valid from WS 2024/25 > Wahlbereich Informatik und Multimedia > INF-3015 - Interactive Machine Learning Lab > Interactive Machine Learning Lab (Übung)
• Medizinische Informatik M.Sc. Medizinische Informatik, PO 2021, 7. Version valid from WS 2024/25 > Wahlbereich > INF-3015 - Interactive Machine Learning Lab > Interactive Machine Learning Lab (Übung)
• Informatik M.Sc. Informatik, PO 2018, 13. Version valid from WS 2024/25 > Praktische Informatik > INF-3015 - Interactive Machine Learning Lab > Interactive Machine Learning Lab (Übung)

Comment/Description

Dieser Kurs fokussiert sich auf “interaktives Maschinelles Lernen” (iML). Wir definieren iML als Maschinelles Lernen bei dem der Mensch als zentraler Teil, interaktiv an verschiedenen Stellen in den Lernprozesses eingreift. Er überwacht dabei die Ergebnisse der Maschine und liefert Eingaben und Korrekturen um den Lernprozess zu verbessern. Während traditionelle ML Systeme menschliche Eingaben auf das Bereitstellen von Annotationen beschränken, beschäftigt sich iML damit Interaktionsdesign Richtlinien für ML Systeme zu erschaffen, und neue Methoden zu entwickeln menschliche Expertise in den ML Prozess einfließen zu lassen.
Dadurch werden Systeme transparenter und nachvollziehbarer, was sich mit dem aktuell aufstrebenden Forschungstrend der “explainable AI” (XAI) überschneidet.

Der Kurs besteht aus mehreren praktischen Hands-on Projekten und einer Einführung in verschiedene Themen rund um das Thema “interactive Machine Learning”.

Grundkenntnisse in Python sind erwünscht.

Die Veranstaltung findet in Raum 2026N statt.