Mediathek

AI, Aggregation, Analysen, Apache Airflow, Artificial Intelligence, Batchweiser Import, Bewegung von Daten, Darstellung der Daten, Data Cleansing, Data Engineer, Data Engineering, Data Ingestion, Data Pipelines, Data Transformation, Data Warehouse, Daten, Datenaufbereitung, Datenbasis, Datenorganisation, Datenquelle, Datenvisualisierung, ETL Pipeline, Entscheidungen, Extrahieren, Grafana, KI, KI-Campus, Kaufkraft, Künstliche Intelligenz, Laden, ML, ML-Modelle, Machine Learning, Machine-Learning-Modelle, Maschinelles Lernen, Modell, Quellen, Realtime Import, Reinigung der Daten, Segmente, Social Media Kampagne, Tableau, Transformation, Transformieren, Transformierung, Visualisierung, Vorhersagen, Zusammenführung von Daten, datengetriebene Entscheidungen, mathematische Modelle, transformierte Daten

AI, Algorithmus, Alpha-Rhythmus, Anwendungen von KI, Aphasie, Artificial Intelligence, BCI, BCI Literaten, Big Data Ansätze, Brain States, Charité Berlin, Closed Loop System, Daten, Deep Learning, Dekodierung, Dr. med KI, EEG, ERC Grant, Einstein Forschungsvorhaben, Elektroden, Elektroenzephalografie, Elektrokrampftherapie, Exoskelett, Gehirn-Computer-Schnittstellen, Hans Berger, Hirnaktivität, Hirnfrequenz, Hirninteraktion, Hirnsignal, Hirnstimulation, KI, KI in der Medizin, KI und Medizin, KI-Campus, Kalibration, Künstliche Intelligenz, Lineare Klassifikation, Locked-In-Syndrom, ML, Machine Learning, Magnetenzephalographie, Magnetstimulation, Maschinelle Lernverfahren, Maschinelles Lernen, MedEd, Medizin, Motorischer Kortex, Multiklassifikation, Mustererkennung, Neurocure Projekte, Neuromodulation, Neuronale Netze, Neuroplastizität, Neurotechnologie, Operationalisierung, PTB, Physikalisch-Technische Bundesanstalt, Prof. Dr. Surjo R. Soekadar, Psychopathologie, Quanten-Sensor, Quanten-Sensoren, Repetitive transkranielle Magnetstimulation, Schlaganfall, Sensor, Soekadar, Sprachdekodierung, Surjo R. Soekadar, VR, binäre Klassifikation, charité, elektrische Aktivitäten, elektrische Stimulation, frontaler Kortex, magnetische Aktivitäten, metabolische Aktivitäten, motorische Gehirn-Computer-Schnittstelle, neuro-magnetische Felder, operante Konditionierung, rTMS

AI, Artificial Intelligence, Ausgewogene Daten, Ausgewogene Trainingsdaten, Bias, KI, KI-Campus, KI-System, Künstliche Intelligenz, ML, Machine Learning, Maschinelles Lernen, Trainingsdaten, Trainingsprozess, Universität Bamberg, Verzerrung

AI, Algorithmen, Artificial Intelligence, Eingabe Features, Eingabedaten, KI, KI-Campus, Klassifizierung, Künstliche Intelligenz, Lernverfahren, ML, Machine Learning, Maschinelles Lernen, Mustererkennung, Overfitting, Regression, Supervised Learning, Testset, Training, manuelles Labeln

AI, Aljoscha Burchardt, Arbeitskräfte, Arbeitskräfte und Fachkräfte, Artificial Intelligence, Burchardt, ChatGPT, Chatbot, DFKI, Demographisches Problem, Deutschen Forschungszentrum für Künstliche Intelligenz, Dr. Aljoscha Burchardt, Fachkräfte, KI, KI-Campus, KI-Chatbot, KI-System, Künstliche Intelligenz, ML, Machine Learning, Maschinelles Lernen

AI, Amplitude Encoding, Artificial Intelligence, Basis Encoding, EdTech, Fraunhofer IOSB, Gates, KI, KI-Campus, Künstliche Intelligenz, ML, Machine Learning, Maschinelles Lernen, No-Cloning-Theorem, Quantencomputer, Quantenmechanik, Quantenneuronale Netze, Quantum Computing, Quantum Machine Learning, Qubit, Schaltkreis, Superposition, Verschränkung, Winkelcodierung

AI, Algorithmus, Anwendungen von KI, Artificial Intelligence, Biopsiedaten, Charité Berlin, Deep Learning, Dr. Marcel Naik, Dr. med KI, Empfänger, Eurotransplant, Gewebseigenschaften, Immunsuppressiva, Immunsuppressiva im Blut, Informationsextraktion, Informationsextraktion aus Krankenakten, KI, KI in der Medizin, KI und Medizin, KI-Campus, Krankenhausinformationssystem, Künstliche Intelligenz, Laborwerte, ML, Machine Learning, Marcel Naik, Maschinelles Lernen, MedEd, Medizin, Naik, Nephrologie, Neuronale Netze, Nierentransplantation, Nierentransplantatversagen, Prognosemodell, Random Forest, Risikostratifizierung, Spender, Spenderdaten, Telemedizin, Transplantat, Transplantateigenschaften, Vitalwerte, Vorhersagemodell, biologische Parameter, charité, immunologische Eigenschaften, klinische Datenbank, Übermittlung von Vitalwerten

AI, Algorithmen, Algorithmus, Anomalien, Anwendungsgebiete, Artificial Intelligence, Eigenschaften, Features, Funktionsweisen, Input, Input-Daten, KI, KI-Campus, Kategorien, Klassen, Klassifizierungsproblem, Künstliche Intelligenz, ML, Machine Learning, Maschinelles Lernen, Modell, Muster erkennen, Output, Output-Daten, Sentiment analysis, fraud detection, gelabelte Daten, kontrollierte Simulation, reinforcement learning, supervised learning, unsupervised learning