Artwork

A tartalmat a Christoph Holz biztosítja. Az összes podcast-tartalmat, beleértve az epizódokat, grafikákat és podcast-leírásokat, közvetlenül a Christoph Holz vagy a podcast platform partnere tölti fel és biztosítja. Ha úgy gondolja, hogy valaki az Ön engedélye nélkül használja fel a szerzői joggal védett művét, kövesse az itt leírt folyamatot https://hu.player.fm/legal.
Player FM - Podcast alkalmazás
Lépjen offline állapotba az Player FM alkalmazással!

#124“Schwarmintelligenz in Cyber-Physischen Systemen” mit Melanie Schranz, Senior Researcher bei Lakeside Labs

46:17
 
Megosztás
 

Manage episode 400677287 series 2882452
A tartalmat a Christoph Holz biztosítja. Az összes podcast-tartalmat, beleértve az epizódokat, grafikákat és podcast-leírásokat, közvetlenül a Christoph Holz vagy a podcast platform partnere tölti fel és biztosítja. Ha úgy gondolja, hogy valaki az Ön engedélye nélkül használja fel a szerzői joggal védett művét, kövesse az itt leírt folyamatot https://hu.player.fm/legal.
Mit Schwarmintelligenz und KI komplexe Aufgaben lösen

Was ist Schwarmintelligenz und was hat sie mit Künstlicher Intelligenz zu tun? Mit meinem heutigen Gast Melanie Schranz spreche ich darüber. Bei sogenannten Schwarmmodellen besteht der Schwarm aus vielen einzelnen, einfachen und relativ homogenen Agenten. Mit ihren Hauptvorteilen: Anpassungsfähigkeit, Robustheit und Skalierbarkeit kann Schwarmintelligenz komplexe Aufgaben lösen. Freut euch auf ein spannendes Gespräch!

Melanie Schranz ist als Senior Researcher bei den Lakeside Labs tätig und beschäftigt sich seit 2017 mit dem Thema der Schwarmintelligenz in Cyber-Physischen Systemen. Ihr Hauptaugenmerk liegt auf dem Engineering der Algorithmen für verschiedene Anwendungsgebiete, wie beispielsweise in der Industrie und des Edge-Cloud Computings. Dazu macht sie die Akquise und wissenschaftliche Leitung nationaler und europäischer Projekte. Als promovierte Informationstechnikerin ist ihr die Nähe zur Industrie mit ihren Anforderungen und Einschränkungen zur Handhabung komplexer Systeme ein wichtiges Anliegen.

Mehr von Melanie unter: https://melanieschranz.com/

  continue reading

151 epizódok

Artwork
iconMegosztás
 
Manage episode 400677287 series 2882452
A tartalmat a Christoph Holz biztosítja. Az összes podcast-tartalmat, beleértve az epizódokat, grafikákat és podcast-leírásokat, közvetlenül a Christoph Holz vagy a podcast platform partnere tölti fel és biztosítja. Ha úgy gondolja, hogy valaki az Ön engedélye nélkül használja fel a szerzői joggal védett művét, kövesse az itt leírt folyamatot https://hu.player.fm/legal.
Mit Schwarmintelligenz und KI komplexe Aufgaben lösen

Was ist Schwarmintelligenz und was hat sie mit Künstlicher Intelligenz zu tun? Mit meinem heutigen Gast Melanie Schranz spreche ich darüber. Bei sogenannten Schwarmmodellen besteht der Schwarm aus vielen einzelnen, einfachen und relativ homogenen Agenten. Mit ihren Hauptvorteilen: Anpassungsfähigkeit, Robustheit und Skalierbarkeit kann Schwarmintelligenz komplexe Aufgaben lösen. Freut euch auf ein spannendes Gespräch!

Melanie Schranz ist als Senior Researcher bei den Lakeside Labs tätig und beschäftigt sich seit 2017 mit dem Thema der Schwarmintelligenz in Cyber-Physischen Systemen. Ihr Hauptaugenmerk liegt auf dem Engineering der Algorithmen für verschiedene Anwendungsgebiete, wie beispielsweise in der Industrie und des Edge-Cloud Computings. Dazu macht sie die Akquise und wissenschaftliche Leitung nationaler und europäischer Projekte. Als promovierte Informationstechnikerin ist ihr die Nähe zur Industrie mit ihren Anforderungen und Einschränkungen zur Handhabung komplexer Systeme ein wichtiges Anliegen.

Mehr von Melanie unter: https://melanieschranz.com/

  continue reading

151 epizódok

ทุกตอน

×
 
Loading …

Üdvözlünk a Player FM-nél!

A Player FM lejátszó az internetet böngészi a kiváló minőségű podcastok után, hogy ön élvezhesse azokat. Ez a legjobb podcast-alkalmazás, Androidon, iPhone-on és a weben is működik. Jelentkezzen be az feliratkozások szinkronizálásához az eszközök között.

 

Gyors referencia kézikönyv