Fraunhofer-Institut für Graphische Datenverarbeitung IGDLabelledGreenData4All Hackathon
Veranstaltungsdetails
Veranstaltungsort
Über Zoom
Datum
30. Januar 2025 - 05. Februar 2025
Thema: „Umsetzung skalierbarer Annotationsstrategien anhand von Fallbeispielen“
Annotierte Daten bilden die Grundlage für eine gute Modellbildung und dienen als treibende Kraft für die Weiterentwicklung KI-gesteuerter Umweltforschung. Jedoch ist die Verfügbarkeit von qualitativ hochwertigen, harmonisierten annotierten Daten stark eingeschränkt.
Ziel des Projektes LabelledGreenData4All („Nachhaltigkeitspotentialanalyse für die Zweckmäßigkeit und den Aufwand von Datenannotationen für Machine Learning-Modelle“) ist es, für das Umweltressort strategische Empfehlungen zu erarbeiten, in welchen Anwendungsbereichen und mit welchen Daten die größten Potentiale für den Einsatz von Machine Learning (ML) Modellen bestehen.
In diesem Hackathon werden wir uns speziell mit den Herausforderungen beschäftigen, mit denen KI-EntwicklerInnen konfrontiert sind, wenn nur wenige gelabelte Daten für das Training von ML-Modellen zur Verfügung stehen.
Der Hackathon besteht aus drei Teilen
Mit der Registrierung unter dem folgenden Link erhaltet ihr die Einwahldaten für die Einführungsveranstaltung am 30.01.2025. Wir freuen uns auf einen regen Austausch!
Projektteam
LabelledGreenData4All setzt auf ein interdisziplinäre Projektteam, dass die Expertise aus Wissenschaft und Forschung mit den privatwirtschaftlichen Interessen vereint. Das Team der wetransform GmbH und des Fraunhofer-Institut für Graphische Datenverarbeitung (IGD) arbeiten gemeinsam daran, die Innovationskraft annotierter Umweltdatensätze sektorübergreifend zu eruieren.
Das auf 12 Monate ausgelegte Forschungsprojekt »Nachhaltigkeitspotentialanalyse für die Zweckmäßigkeit und den Aufwand von Datenannotationen für Machine Learning-Modelle« aus dem Ressortforschungsplan des Bundesministeriums für Umwelt, Naturschutz, nukleare Sicherheit und Verbraucherschutz wird im Auftrag des Umweltbundesamtes durchgeführt. Forschungskennzeichen: FKZ 3723 11 602 0.