Prof. Dr. Patrick Glauner, Professor für Künstliche Intelligenz und Sachverständiger für die Parlamente von FR/DE/LU zur Regulierung von künstlicher Intelligenz, TH Deggendorf

Abstract:

Beim maschinellen Lernen kommt es immer dann zu einem Bias ("Verzerrung"), wenn die Trainingsdaten nicht repräsentativ für die Testdaten sind. Dies führt schlussendlich zu unzuverlässigen Vorhersagen durch die darauf trainierten Modelle. Dieser Vortrag gibt Einblicke in diese Problematik, die nahezu jeden Anwendungsfall des maschinellen Lernens betrifft. Dabei werden die am häufigsten auftretenden Arten von Biases vorgestellt und wie sie quantifiziert und korrigiert werden können.

Zur Person:

Patrick Glauner ist seit seinem 30. Lebensjahr Professor für Künstliche Intelligenz an der TH Deggendorf. Als Sachverständiger hat er die Parlamente von Deutschland, Frankreich und Luxemburg beraten. Seine fachlichen Schwerpunkte liegen in den Bereichen maschinelles Lernen, Computer Vision, Quantencomputing, Innovationsmanagement, Regulierung von künstlicher Intelligenz und Wissenschaftskommunikation. Zuvor arbeitete er bei der Europäischen Organisation für Kernforschung (CERN) und war als Manager in der Industrie tätig, unter anderem bei der Krones AG. Er studierte am Imperial College London und promovierte an der Universität Luxemburg.