Methoden der Effizienten Ressourcennutzung in Algorithmen des Maschinellen Lernens (A03)

• Fachliche Zuordnung: Rechnerarchitektur, eingebettete und massiv parallele Systeme ; Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing
• Förderung: Förderung von 2011 bis 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 124020371

In diesem Teilprojekt wird eine Brücke zwischen Lernverfahren und Ressourceneffizienz geschlagen. Im Rahmen der zweiten Phase dieses Teilprojekts sollen für das maschinelle Lernen Methoden der Modellwahl entwickelt werden, die vorhandenen Ressourcen möglichst effizient nutzen. Für Probleme mit einer sehr großen Anzahl an Beobachtungen oder Variablen sollen aus einer umfangreichen Menge von rechenintensiven Lernverfahren diejenigen mit den besten Vorhersageleistungen ausgewählt werden. In der personalisierten Medizin soll exemplarisch gezeigt werden, wie durch die gemeinsame Entwicklung von Lernern und Realzeitsystemen die Vorhersage des Einflusses von Medikamenten verbessert wird.

• DFG-Verfahren: Sonderforschungsbereiche
• Teilprojekt zu: SFB 876: Verfügbarkeit von Information durch Analyse unter Ressourcenbeschränkung
• Antragstellende Institution: Technische Universität Dortmund
• Teilprojektleiter: Professor Dr. Jian-Jia Chen, seit 1/2019; Professor Dr. Peter Marwedel, bis 12/2018; Professor Dr. Jörg Rahnenführer