20. Data Science Stammtisch Allgäu
Details
Am Dienstag, den 4. Juni 2024 um 18:00 Uhr gibt es wieder einen Data Science Stammtisch Allgäu. Dieses Mal empfängt uns Allgäu Digital in Kempten und es gibt wieder zwei spannende Vorträge:
***
- Tom Stadelmann (Geschäftsführer der SKYTALA GmbH):
"KI und Suchmaschinen: Überblick, Techniken und Praxiserfahrungen."
Verstehen, was der Nutzer will: Tauche in die Welt der KI in Suchmaschinen ein und erfahre, wie fortschrittliche KI-Techniken und traditionelle Suchmethoden eingesetzt werden. Wir erkunden, wie Suchsysteme und Recommender Systems (fast das gleiche!) Nutzeranliegen interpretieren und relevante Ergebnisse liefern. Der Vortrag beleuchtet technische Herausforderungen und innovative Lösungen, die in die Integration von Empfehlungssystemen und die Personalisierung von Suchergebnissen einfließen. Erfahre, wie semantische Suche und Wissensgraphen eingesetzt werden, um genauere Antworten auf komplexe Anfragen zu generieren. Ein besonders spannender Aspekt sind Feedbackschleifen und ihre essenzielle Rolle bei der kontinuierlichen Verbesserung der Suchqualität und der Anpassung an den Benutzer. Als Data-Scientist erhältst du tiefgehende Einblicke in die Architektur moderner Suchmaschinen und erkundest praxisnahe Methoden zur Optimierung der Informationsbeschaffung. Dieser Vortrag bietet einen umfassenden Überblick über die technischen Aspekte und präsentiert gleichzeitig praktische Erfahrungen aus der Welt des Information Retrievals.
***
- Lukas Haas (PhD student and research associate an der HS Kempten):
"Optimierung eines Delta-Roboters mit Hilfe von maschinellem Lernen"
Dieser Vortrag beschäftigt sich mit der Optimierung der Regelung und Bahnplanung einer Deltakinematik mit Hilfe von künstlicher Intelligenz. Durch die Optimierung der Bahnplanung soll nicht nur der Arbeitsablauf für die Inbetriebnahme der Deltakinematik flexibler, sondern auch eine Zeitersparnis durch eine automatische Bahnplanung erreicht werden. Die Optimierung des Regelkreises mittels künstlicher Intelligenz soll Schwingungen sowie Bahnabweichungen reduzieren. Die Optimierung des Bahnplanungsverfahrens zielt darauf ab den Arbeitsablauf bei der Inbetriebnahme der Deltakinematik effizienter und flexibler zu gestalten. Dabei wurden für die Optimierung des Roboters durch maschinelles Lernen einen mittleren quadratischen Fehler von 0,06025 Nm in einer Vorhersagezeit von etwa 0,125 ms für die Drehmomentvorhersage und die Möglichkeit einer KI gestützte Bahnplanung für verschiedene Kriterien gezeigt.
***
Im Anschluss an die Vorträge gibt es wie immer Snacks, Getränke und Gelegenheit zum Austausch.