- Big Data, Data Science und KI: Begriffserklärungen und Zusammenhänge
- Wie funktioniert Machine Learning?
- Der Weg vom menschlichen Gehirn zum Computer-Programm
- Umsetzung der Modelle:
- Gradientverfahren und Backpropagation
- Weitere Typen von KI-Anwendungen: computergestützte Klassifikation, Vorhersagen und Kreativität
- Spezielle Typen neuronaler Netze: Konvolutionale Neuronale Netze (CNNs), Rekurrente Neuronale Netze (RNNs) und LSTM
- Diskussion: Perspektiven, Chancen und Risiken
Künstliche Intelligenz und Data Science
Technologische Entwicklungen haben die künstliche Intelligenz (KI) in den letzten Jahren so weit vorangetrieben, dass sie praktisch in jedem Industriezweig Anwendung findet.
Immer mehr Aufgaben, die klassischerweise von Menschen erledigt werden, lassen sich auch computerbasiert durchführen. Zusätzlich zum Einfluss im persönlichen Bereich schafft die KI neue Möglichkeiten für gewerbliche Abläufe und trägt dadurch mittels Prozessoptimierung zur Kosteneffizienz bei.
Gleichzeitig verschafft die Nutzung verteilter und vernetzter großer Datenspeicher zur automatisierten Erfassung und Verarbeitung von Informationen (Big Data) der KI den Vorteil einer nahezu unbegrenzten Wissensbasis. Die Bezeichnung „Data Science“ für das Kerngebiet der Informatik, das sich mit der Gewinnung von Wissen aus gespeicherter Information beschäftigt, verdeutlicht die zentrale Bedeutung von Daten in diesem Zusammenhang.
Neben konkreten Verbesserungen sowie Chancen und Perspektiven bringen KI und Data Science natürlich auch Herausforderungen und Risiken mit sich. In welchen Bereichen intelligente Maschinen langfristig Menschen ersetzen können und welche Daten von wem zu welchem Zweck gespeichert werden, sind nicht zufällig topaktuelle Diskussionsthemen.
Der Experten Abend richtet sich an Software Entwickler:innen und IT-Kräfte, die mitdiskutieren und von den künftigen Entwicklungen profitieren wollen.
Kenntnisse einer speziellen Programmiersprache werden nicht vorausgesetzt, da es sich um keinen Programmierkurs handelt. Die Vorführung soll veranschaulichen, was die Voraussetzungen für intelligente Software sind und wo ihre Grenzen liegen.
Ihr Referent:
Prof. Dr. Jan Dünnweber
Prof. Dr. Jan Dünnweber unterrichtet an der Ostbayerischen Technischen Hochschule (OTH) in Regensburg Informatik und betreut bei der IDV AG Studierende, die in Projekten mitwirken.
Facts
Termin:
Mittwoch, 17. März 2021
Start:
14:00 Uhr
Ort:
Online – Zugang nach Anmeldung
Zielgruppe:
Entscheider:innen, Team- und Projektleiter:innen, Software Entwickler:innen und alle, die mitdiskutieren wollen
Technischer Background nicht notwendig
Gebühr:
kostenfrei
Agenda