Daniel Hieber
Daniel Hieber ist Doktorand an der Uni Würzburg, dem Universitätsklinikum Augsburg und im Institut DigiHealth der Hochschule Neu-Ulm. Mit einem IT-Hintergrund (B.Sc. Software Engineering, M.Sc. Machine Learning and Data Analytics) forscht er zur Verwendung von KI in der Neuropathologie. Ein wichtiger Aspekt dabei ist der verantwortungsvolle und reflektierte Umgang mit KI in der Medizin.
Beitrag
Wie finde ich ein Machine Learning Modell für meinen Use-Case, das kann was es verspricht und was bedeuten eigentlich diese ganzen komischen Metriken? Diese und andere Fragen sollen im Vortrag beantwortet werden.
Konkret sollen dabei folgende Informationen vermittelt werden:
- Grundlegendes Verständnis was ein gutes Machine Learning Modell ausmacht.
- Verstehen, was die Metriken aussagen und warum 99,9% Accuracy nicht mit einem guten Modell gleichzusetzen ist.
- Anzeichen von Bias erkennen und (womöglich) kontrollieren.
- Ein Verständnis für die Datengrundlage von KI-Modellen gewinnen