AI for Scarce Data (AI4ScaDa) — Maschinelles Lernen und Informationsfusion zur nachhaltigen Nutzung von Labor- und Kundendaten
M. Schöne, J. Bültemeier, in: Institute for Data Science Solutions (Ed.), Kongress KI@HSBI2023 Solutions Im Fokus – Posterbeiträge, Hochschule Bielefeld, Bielefeld, 2024, pp. 28–29.
Buchbeitrag
| Veröffentlicht
| Englisch
Autor*in
Schöne, Marvin
;
Bültemeier, Julian
;
Bültemeier, Julianherausgebende Körperschaft
Institute for Data Science Solutions
Abstract
Das Projekt AI4ScaDa zielt darauf ab, spärliche Daten für KI-Modelle zur Optimierung von Verfahren, Produkten und Prozessen am Beispiel von drei realen Use-Cases der Unternehmen GEA Westfalia Separator Group GmbH, Miele & Cie KG und SAATEN-UNION BIOTEC GmbH zu nutzen. Um die Qualität der spärlichen Daten zu verbessern, werden verschiedene Informationsfusions-, Vorverarbeitungs- und Transformationsmethoden eingesetzt sowie zusätzliche Daten durch algorithmisch erstelle Versuchspläne erhoben. Zur Approximation der Daten werden intrinsisch interpretierbare Modelle verwendet, die durch Methoden des aktiven Lernens um zusätzliche Daten angereichert werden.
Erscheinungsjahr
Buchtitel
Kongress KI@HSBI2023 Solutions im Fokus – Posterbeiträge
Band
1
Seite
28-29
FH-PUB-ID
Zitieren
Schöne, Marvin ; Bültemeier, Julian: AI for Scarce Data (AI4ScaDa) — Maschinelles Lernen und Informationsfusion zur nachhaltigen Nutzung von Labor- und Kundendaten. In: Institute for Data Science Solutions (Hrsg.): Kongress KI@HSBI2023 Solutions im Fokus – Posterbeiträge, Schriftenreihe des Institute for Data Science Solutions. Bd. 1. Bielefeld : Hochschule Bielefeld, 2024, S. 28–29
Schöne M, Bültemeier J. AI for Scarce Data (AI4ScaDa) — Maschinelles Lernen und Informationsfusion zur nachhaltigen Nutzung von Labor- und Kundendaten. In: Institute for Data Science Solutions, ed. Kongress KI@HSBI2023 Solutions Im Fokus – Posterbeiträge. Vol 1. Schriftenreihe des Institute for Data Science Solutions. Bielefeld: Hochschule Bielefeld; 2024:28-29. doi:10.60802/sidas.2024.1
Schöne, M., & Bültemeier, J. (2024). AI for Scarce Data (AI4ScaDa) — Maschinelles Lernen und Informationsfusion zur nachhaltigen Nutzung von Labor- und Kundendaten. In Institute for Data Science Solutions (Ed.), Kongress KI@HSBI2023 Solutions im Fokus – Posterbeiträge (Vol. 1, pp. 28–29). Bielefeld: Hochschule Bielefeld. https://doi.org/10.60802/sidas.2024.1
@inbook{Schöne_Bültemeier_2024, place={Bielefeld}, series={Schriftenreihe des Institute for Data Science Solutions}, title={AI for Scarce Data (AI4ScaDa) — Maschinelles Lernen und Informationsfusion zur nachhaltigen Nutzung von Labor- und Kundendaten}, volume={1}, DOI={10.60802/sidas.2024.1}, booktitle={Kongress KI@HSBI2023 Solutions im Fokus – Posterbeiträge}, publisher={Hochschule Bielefeld}, author={Schöne, Marvin and Bültemeier, Julian}, editor={Institute for Data Science SolutionsEditor}, year={2024}, pages={28–29}, collection={Schriftenreihe des Institute for Data Science Solutions} }
Schöne, Marvin, and Julian Bültemeier. “AI for Scarce Data (AI4ScaDa) — Maschinelles Lernen Und Informationsfusion Zur Nachhaltigen Nutzung von Labor- Und Kundendaten.” In Kongress KI@HSBI2023 Solutions Im Fokus – Posterbeiträge, edited by Institute for Data Science Solutions, 1:28–29. Schriftenreihe Des Institute for Data Science Solutions. Bielefeld: Hochschule Bielefeld, 2024. https://doi.org/10.60802/sidas.2024.1.
M. Schöne and J. Bültemeier, “AI for Scarce Data (AI4ScaDa) — Maschinelles Lernen und Informationsfusion zur nachhaltigen Nutzung von Labor- und Kundendaten,” in Kongress KI@HSBI2023 Solutions im Fokus – Posterbeiträge, vol. 1, Institute for Data Science Solutions, Ed. Bielefeld: Hochschule Bielefeld, 2024, pp. 28–29.
Schöne, Marvin, and Julian Bültemeier. “AI for Scarce Data (AI4ScaDa) — Maschinelles Lernen Und Informationsfusion Zur Nachhaltigen Nutzung von Labor- Und Kundendaten.” Kongress KI@HSBI2023 Solutions Im Fokus – Posterbeiträge, edited by Institute for Data Science Solutions, vol. 1, Hochschule Bielefeld, 2024, pp. 28–29, doi:10.60802/sidas.2024.1.
Closed Access
Google Scholar