Unsere Plattform FIT.ML bietet Best Practice Beispiele und Referenzimplementationen unserer ML-Innovationen: ein Service, um ML für KMUs vor Ort verfügbar zu machen.

Hier finden Sie verschiedene Referenzimplementationen sortiert nach unseren Innovationsgebieten. Alternativ stehen hier alle Notebooks auf GitHub zum Download für Sie bereit. Diese Sammlung wird im Laufe unseres Projekts stetig erweitert.

Innovationsgebiet "Lernen auf Datenströmen"

Transferlernen für Handprothesen im Alltagseinsatz

Intelligente Prothesensteuerung basiert auf der Messung von Muskelsignalen an der Hautoberfläche. Sensorverschiebungen, die besonders beim An- und Absetzen von Prothesen auftreten können, führen jedoch zu Veränderungen der gemessenen Signalmuster. Dies stört eine zuverlässige Steuerung. Wie kann Maschinelles Lernen da helfen?
Mehr Informationen erhalten Sie hier!
Hier geht es direkt zur Beispielimplementation dieser Lösung.

Innovationsgebiet "Interpretierbarkeit von Modellen"

Kontrafaktische Erklärung zur Interpretation automatisierter Kreditvergabe

Maschinelle Lernverfahren ermöglichen die Automatisierung von Entscheidungsprozessen auf Grundlage von Daten. Ein Beispiel einer solchen automatisierten Anwendung ist die Beurteilung von Kreditanträgen. Den Grund für eine bestimmte Entscheidung des Systems zu verstehen ist jedoch oft nicht einfach, da viele ML-Modelle nicht direkt interpretierbar sind. Die Berechnung kontrafaktischer Erklärungen - sogenannten "counterfactuals" - kann solche Einblicke ermöglichen.
Hier geht es direkt zur Beispielimplementation dieser Lösung.