Übung: Übung zu Interactive Machine Learning Lab - Details

Allgemeine Informationen

Veranstaltungsname	Übung: Übung zu Interactive Machine Learning Lab
Veranstaltungsnummer	INF-3015
Semester	WS 2024/25
Aktuelle Anzahl der Teilnehmenden	13
erwartete Teilnehmendenanzahl	8
Heimat-Einrichtung	Multimodale Mensch-Technik-Interaktion
beteiligte Einrichtungen	Fakultät für Angewandte Informatik
Veranstaltungstyp	Übung in der Kategorie Lehre
Veranstaltung findet in Präsenz statt / hat Präsenz-Bestandteile	Ja
Hauptunterrichtssprache	deutsch
ECTS-Punkte	8

Lehrende

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

Räume und Zeiten

N2026

Studienbereiche

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

Modulzuordnungen

• Informatik M.Sc. Informatik, PO 2018, 13. Version gültig ab 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 gültig ab 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 gültig ab 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 gültig ab 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 gültig ab WS 2024/25 > Wahlbereich > INF-3015 - Interactive Machine Learning Lab > Interactive Machine Learning Lab (Übung)
• Informatik M.Sc. Informatik, PO 2018, 13. Version gültig ab WS 2024/25 > Praktische Informatik > INF-3015 - Interactive Machine Learning Lab > Interactive Machine Learning Lab (Übung)

Kommentar/Beschreibung

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.