AI among us – Today’s use cases of applied AI

2019-11-22
TU Wien – Neues Elektrotechnisches Institutgebäude, Gußhausstraße 27, 1040 Wien

AI und Machine Learning sind zurzeit in aller Munde – regelmäßig wird man über die Vorteile informiert, die diese Technologien für Unternehmen und die Gesellschaft bieten können. Von der Aufdeckung von Betrug über die Vorhersage von Maschinenfehlern bis hin zum Verständnis des Kundenverhaltens – AI & ML haben das Potenzial, bahnbrechenden Nutzen in einer Vielzahl verschiedener Bereiche zu erzielen.

Doch was ist der aktuelle Stand der Forschung und welche konkreten Anwendungsfälle sind bereits umgesetzt? Gemeinsam mit unserem hochkarätig besetzten Podium wollen wir diese Fragen klären. Wir freuen uns vier Experten vor Ort begrüßen zu dürfen.

Agenda:

18:00: Open Doors und Begrüßung

18:30: Vortrag des Podiums, anschließend Q&A

21:00: Get-together und Networking

  • Dr. Christoph Götz, MSc, CTO imagebiopsylab.com, Fokus Computer Vision und Machine/Deep Learning Produkte 

Worldwide 1.3 Billion patients suffer of bone diseases leading to tremendous workload for radiologists reading 100s of radiographs a week. Christoph Götz and his coworkers created a medical grade platform of AI-based algorithms for automated decision support saving time, increasing certainty and detecting early stages of bone diseases. The talk will explore AI design principles tailored to medical images, deploying AI in a hospital and ethical implications for AI in medical use.

  • Stefan Karner, M.B.A., Co-Founder von Mon Style, Fashion Retail Start-up mit Machine Learning Anwendungen

Mon Style processes products from online fashion retailers to develop. personalized recommendation and search services. Karner’s team normalizes the various disjoint product catalogues into a unified fashion taxonomy. Since the textual and structured data available is scarce and noisy they also have to take the product images into account for this task. Therefore, the talk will focus on this real-world computer vision application: a multi-stage pipeline for clothing recognition in images, which consists of object detection, segmentation, classification and metric learning components all based on deep convolutional neural networks. The discussion will be about the data annotation and model development, which is based on an active learning strategy.

  • Dr. Martin Pirker, Senior Researcher am Institut für IT Sicherheitsforschung, FH St. Pölten

Viel mehr Daten, viel mehr Sicherheit? Im Vortrag werden die verschiedenen Stadien der Lösung und Umsetzung eines konkreten ML/AI Problems beleuchtet:Martin Pirker und sein Team wollen die folgende Forschungsfrage beantworten: „könnte man mit Anomaliedetektion neuartige Einbrüche erkennen?“. Dazu werden viele Daten benötigt – hierbei muss die Problematik der persönlichen Daten besonders berücksichtigt werden. Ist dies geschafft, werden die riesigen Datenberge durchforstet und entsprechend organisiert. Eine weitere Hürde ist das Implementierungs-Trade-Offzwischen der Speicher- und Prozessorleistung und den Deployment-Kosten.Am Ende der Entwicklung steht die Integration im kommerziellen Produkt und der „Explainability“der Ergebnisse und Bedienbarkeit für den Kunden

  • Dipl.-Math. Calvin Seward, Research Scientist bei Zalando SE, mit Fokus auf Deep Learning

Der Heilige Gral ist der Legende nach ein wundertätiges Gefäß, das Glückseligkeit, ewige Jugend und Speisen in unendlicher Fülle bieten soll. Künstliche Intelligenz ist laut Legende eine Maschine die sich trotz übermenschlicher kognitiver Fähigkeiten, damit zufrieden gibt den ganzen Tag für dich Frühstück zu machen und in deiner Wohnung staubzusaugen. Die Suche nach sowohl dem Heilige Gral als auch der künstlichen Intelligenz stellt sich jedoch leider als schwierig heraus. Während der Heilige Gral mittels Rittern und Kokosnüssen gesucht wurde, versuchen Forscher heutzutage künstliche Intelligenz mit Hilfe von Reinforcement Learning zu erreichen. In meinem Vortrag werde ich erzählen, was Reinforcement Learning überhaupt ist, wo Reinforcement Learning in Wissenschaft und Industrie Anwendung gefunden hat und warum Reinforcement Learning noch nicht in der Lage ist, dein Auto vernünftig zu fahren, ein Buch zu schreiben oder dein Wohnzimmer zu saugen.

Du willst kein Event verpassen?

Melde dich zu unserem Newsletter an:

Zusammenarbeit starten

Sie sind als Unternehmen daran interessiert, mit dem TU Wien TOP Fellows Club zu arbeiten oder wollen gemeinsame Events veranstalten und unsere Mitglieder kennenlernen? Schreiben Sie uns:

Bewirb dich als Mitglied

Du möchtest dich als Fellow aktiv in unsere Community einbringen und gehörst zu herausragenden Studierenden der TU Wien oder hast dein Studium bereits abgeschlossen? Dann freuen wir uns auf deine Bewerbung.Fülle dazu einfach das folgende Formular aus und lade deinen CV sowie deine Hochschulzeugnisse hoch.