Zurück
24.08.2021 | Intelligente Eingebettete Systeme

Die Ju­ry des Fa­kul­tä­ten­tags In­for­ma­tik für die bes­te In­for­ma­tik-Ab­schluss­ar­beit ver­leiht den Preis im Jahr 2021 Marek Her­de für sei­ne Mas­ter­ar­beit "Esti­ma­ting An­no­ta­ti­on Per­for­man­ces for Pro­ba­bi­lis­tic Ac­tive Learning with Mul­ti­ple An­no­ta­tors".

Die Jury des Fakultätentags Informatik für die beste Informatik-Abschlussarbeit verleiht den Preis im Jahr 2021 Marek Herde für seine Masterarbeit "Estimating Annotation Performances for Probabilistic Active Learning with Multiple Annotators". Die Verleihung der Preisurkunde findet am Tag der Informatik während der Jahrestagung der Gesellschaft für Informatik in Berlin, voraussichtlich am 30.09.2021, statt.

Herr Herde schlug in seiner Masterarbeit "Multi-annotator Probabilistic Active Learning" (MaPAL) als eine neue Methode für das aktive Lernen vor, ein Teilgebiet des maschinellen Lernens bzw. der künstlichen Intelligenz. Aktives Lernen beschäftigt sich mit der effektiven und effizienten Einbeziehung von Menschen, sogenannte Annotatoren, in einen maschinellen Lernprozess. Neben der intelligententen Auswahl von Datenobjekten zum Trainieren eines Klassifikators, schätzt MaPAL die Performanzen der Annotatoren ein. Entsprechend werden Annotatoren vorzugsweise zu Datenbobjekte innerhalb ihres jeweiligen Wissengebiets angefragt. MaPAL modelliert dabei die Problemstellung in einem probabilistischen und holistischen Ansatz, um in einem entscheidungstheoretischen Sinne die optimale Lösungen zu finden. Dieser Ansatz zeigte dabei eine mit statistischen Tests belegte höhere Performanz als vergleichbare Methoden in der Literatur. Der Modellierungsansatz ist erweiterbar, so dass sich zukünftig auch weitere Aspekte des aktiven Lernens integrieren lassen (z.B. verschiedene Fragetypen).