Inhalt des Kurses
Machine Learning
Inhalt des Fachs
Im Wahlpflichtfach Machine Learning lernten die Student*innen die Funktionsweise von Deep-Learning-Modellen und deren Einsatzmöglichkeiten. Sie arbeiteten mit Frameworks und Schnittstellen für client-seitige, server-seitige und Cloud-basierte Dienste und entwickelten eigene Prototypen, bei denen Mensch-Maschine Interaktion ganz neue Formen annimmt.
Lernziele
- Grundverständnis der Funktionsweise Neuronaler Netze
- Überblick über den State-of-the-Art im Machine Learning,
Deep Learning und Künstlicher Intelligenz - Realisierung von Machine-Learning-Prototypen in Web-Apps,
in lokalen Installationen und in der Cloud - Praktischer Umgang mit Frameworks wie ML5.js und RunwayML
- Fähigkeit ein Neurales Netz für einen bestimmten Zweck mit Hilfe
eines eigenen Datensatzes zu trainieren
Themen und Projekte
Im Rahmen des Kurses wurden drei Themenkomplexe erforscht.
Zwei der entstandenen Prototypen sind in der Ausstellung zu sehen.
- Die Mobil-App LAZAudio soll langwierige Sprachnachrichten mit Hilfe von Machine Learning kurz und knackig zusammenfassen und bewerten. Im Mittelpunkt steht die Kommunikation der App mit einem dezidierten Server und die Nutzung von Machine Learning-Diensten in der Cloud.
- In einer Videokonferenz wird gerne durch ein Warm-Up-Spiel die Stimmung aufgelockert. Wie könnte eine KI aussehen die solche Spiele veranstaltet?
Der Warmup-Bot betritt die Videokonferenz und nutzt ein lokales Neuronales Netz um Zurufe der Teilnehmer*innen zu verstehen und zu bewerten. - Algorithmen zum Zauberstab-Tracking vor der Webcam wurden mit einem neuronalen Netz zur Erkennung der Zauberstab-Bewegungen kombiniert. Dazu haben die Studierenden einen Doodle-Classifier mit typischen Zauberbewegungen aus dem “Harry-Potter”-Universum trainiert. In einem Computerspiel soll das Zaubern vor der Kamera als primäre Form der Interaktion genutzt werden.
Bachelor of Arts