(Bachelor/Master/Praktikum) Ressourceneffizientes KI Training (CO2 Abdruck)

Motivation

Spätestens mit ChatGPT ist das Thema künstliche Intelligenz (KI) im Mainstream angekommen und in aller Munde. Aber bereits vor dem Aufkommen von ChatGPT waren KIs längst in unseren Alltag vorgedrungen. So beispielsweise bei gemütlichen Serienabenden auf der Couch, wo uns passende Serien auf Netflix mit Hilfe von KIs vorgeschlagen wurden. Neben all den Bequemlichkeiten die KIs für unseren Alltag mit sich bringen, darf allerdings nicht vergessen werden, dass das Training von KI Verfahren sehr ressourcen intensiv ist und somit nicht nur teuer ist, sondern auch ein entsprechenden CO2 Abdruck hinterlässt. Daher wird es immer wichtiger, sich mit dem effizienten trainieren von KI Verfahren zu beschäftigen.

Ziele

Ziel dieser Arbeit ist es, die Effiziens verschiedener Trainingsmethoden von KIs zu untersuchen. Um dies zu erreichen ist folgender Ablauf für die Arbeit vorgesehen: (1) Sammeln von geeigneten Datensätzen auf denen KI Verfahren trainiert werden sollen, (2) implementieren verschiedener Trainingsstragien, (3) Messung der Performance der verschiedenen Strategien und (4) Evaluation und Vergleich der verschiedenen Ansätze.

• (Falls nicht schon geschehen) Einarbeitung in die Funktionsweise neuronaler Netze
• Analyse bereits existierender neuronaler Netze
• Analyse der verschiedenen Traningsmethoden neuronaler Netze

Wir bieten

• Interessante Arbeit in aktuellen Forschungsthemen
• Möglichkeit der Einbringung eigener Ideen bei der Lösungsgestaltung
• Gute und intensive Betreuung

Dauer
   3 - 6 Monate (je nach Art der Arbeit)

Kontakt

Thomas Prantl, M.Sc. (Mail: thomas.prantl@uni-wuerzburg.de)
Jonas Schiller, M.Sc. (Mail: jonas.schiller@uni-wuerzburg.de)