Biases beim Maschinellen Lernen: Welche Auswirkungen haben verzerrte Trainingsdaten?

AI, Algorithmus, Alzheimer, Anatomie des Gehirns, Anwendungen von KI, Artificial Intelligence, Atrophie, Benchmarking Datensatz, CNNs, Charité Berlin, Convolutional Neural Networks, Data Scientist, Deep Learning, Depressionen, Dr. med KI, Eitel, Erkennung von Krankheiten in Gehirnbildern, Fabian Eitel, Gehirnbilder, KI, KI in der Medizin, KI und Medizin, KI-Campus, KI-Methoden, Krankheitserkennung, Künstliche Intelligenz, ML, MRT-Bilder, Machine Learning, Maschinelles Lernen, MedEd, Medizin, Modell, Multiple Sklerose, Neurobildgebung, Neurologische Erkrankungen, Strukturelle MRT-Bilder, Support Vector Maschinen, Transfer Learning, Zwangsstörungen, automatische Erkennung, charité, klinische Neurobildgebung, lineare Regressionen, lineare/logistische Regressionen, logistische Regressionen, neurologische Krankheit, psychische Krankheit

AI, Aljoscha Burchardt, Artificial Intelligence, Burchardt, ChatGPT, Chatbot, DFKI, Deutschen Forschungszentrum für Künstliche Intelligenz, Dr. Aljoscha Burchardt, Gescriptete Chatbots, Gescripteter Chatbot, Google, KI, KI-Campus, KI-Chatbot, KI-System, Künstliche Intelligenz, ML, Machine Learning, Maschinelles Lernen, Modell, Smarte Assistenten, Smarter Assistent, Telefon-Banking, Unterschied zu bisherigen Chatbots

AI, Aljoscha Burchardt, Artificial Intelligence, Burchardt, ChatGPT, Chatbot, DFKI, Deutschen Forschungszentrum für Künstliche Intelligenz, Dr. Aljoscha Burchardt, Hype, KI, KI-Campus, KI-Chatbot, KI-System, Kampf der Giganten, Künstliche Intelligenz, ML, Machine Learning, Maschinelles Lernen, Modell, Revolution, Sprachmodell, Sprachmodelle, Wettbewerb

AI, Algorithmus, Anwendungen von KI, Artificial Intelligence, BCI Literaten, Benary, Bestimmung der DNA-Sequenz, Bioinformatik, Charité Berlin, Clustering Algorithmen, Comprehensive Cancer Center, DNA-Sequenz, Daten, Datenanalyse, Datenbank, Datenbanken, Datenintegration, Datenveröffentlichung, Deep Learning, Dr. Manuela Benary, Dr. med KI, Exoskelett, Gebärmutterhalskrebszelle, Gewebestruktur, Goldstandard, Hela Zelllinie, IC50, In-vitro-Modell, KI, KI in der Medizin, KI und Medizin, KI-Campus, Künstliche Intelligenz, ML, Machine Learning, Manuela Benary, Maschinelles Lernen, MedEd, Medikamentenwirksamkeit, Medizin, Modell, Multiklassifikation, Onkologie, Organotypische Modelle, Regression, Sequenzierung, Tumorboard, Tumorerkrankung, Tumorforschung, Zelllinien, binäre Klassifikation, charité, experimentelle Validierung, logistisches Modell, molekulare Charakterisierung, molekulare Tumorforschung, molekulares Tumorboard, operante Konditionierung, organoide Modelle, personalisierte Medizin, personalisierte Therapiemöglichkeiten, zelllinien Modelle

AI, Artificial Intelligence, Autoscaling, Cross Validation, Datenbereinigung, Datenquelle, Datenrauschen, Hyperparameter Optimierung, Infrastruktur, Jupyter Notebooks, KI, KI-Campus, Künstliche Intelligenz, ML, MLOp, MLOps Pipeline, MLflow, Machine Learning, Maschinelles Lernen, Messwerte, Modell, Modellleistung, Monitoring, Pickle, Pipeline, Skript, Training

AI, Algorithmen, Artificial Intelligence, Daten, Features, Genauigkeit, KI, KI-Campus, Klassifizierung, Künstliche Intelligenz, Labels, Lernparadigmen, ML, Machine Learning, Machine Learning Modelle, Maschinelles Lernen, Overfitting, Regression, Spam detection, Splitting, Supervised Learning, Supervisor, Technologie, Testdatensatz, Training, Trainingsdatensatz, Vorhersagen, diskrete Kategorien, korrekte Antworten, reinforcement learning, unsupervised learning, zukünftige Ereignisse

1950s, AI, Alan Turing, Anwendungsgebiete, Artificial Intelligence, Eigenschaften, Funktionsweisen, GEN-AI, Generative AI, Generative KI, Geschichte der KI, Instruktion, KI, KI-Campus, Künstliche Intelligenz, Lernalgorithmen, Lernalgorithmus, ML, Machine Learning, Maschinelles Lernen, Mustererkennung, Turing Test, can machines think

AI, Aljoscha Burchardt, Arbeit, Artificial Intelligence, Burchardt, ChatGPT, Chatbot, DFKI, Deutschen Forschungszentrum für Künstliche Intelligenz, Dr. Aljoscha Burchardt, Job, Job vs. KI, Job vs. künstliche Intelligenz, KI, KI-Campus, KI-Chatbot, KI-System, Künstliche Intelligenz, ML, Machine Learning, Maschinelles Lernen, Mensch und KI, Mensch und Maschine, Mensch und künstliche Intelligenz, Mensch-Maschine-Interaktion, Modell, Mustererkennung, Richard Socher, Texterstellung, Zusammenhänge erkennen