Seminar: Aktuelle Trends in der Künstlichen Intelligenz

F. Puppe, J. Krebs und die Mitarbeiter/-innen des Lehrstuhls VI

Im Wintersemester 2020 werden allgemeine Themen aus der Künstlichen Intelligenz vergeben. Mögliche Schwerpunkte sind unter anderem Natural Langugage Processing, Bildverarbeitung, Reinforcement Learning, Themen aus der medizinischen Informatik. Ziel des Seminars ist es, selbstständig ein Thema anhand geeigneter Literatur zu erarbeiten und dieses sowohl in einem mündlichen Vortrag, als auch einer schriftlichen Ausarbeitung zu präsentieren.

Das Seminar eignet sich für Studierende im Bachelor- und im Masterstudium.

Es werden dieses Semester sowohl Einzelthemen, als auch Doppelthemen (zwei Bearbeiter im Team, doppelter Umfang) vergeben, um die Zahl der möglichen Seminarplätze zu erhöhen. Zweiterteams, die sich als solche anmelden werden für die Doppelthemen bevorzugt. Können nicht alle Doppelthemen von vornherein vergeben werden, wird mit Teilnehmern aus den Einzelanmeldungen aufgefüllt.

Aufgrund der aktuellen Lage muss der mündliche Vortrag als Video vorbereitet und abgegeben werden. In einer abschließenden Zoom-Konferenz muss jeder sein Thema nur noch kurz zusammen fassen (ca. 2 Minuten) und sich den Fragen der anderen Teilnehmer und Betreuer stellen.

Anmeldung: ACHTUNG NEU!!! Wir haben das Anmeldesystem auf eine globale, semesterübergreifende Warteliste umgestellt. Das heisst, wenn Sie Interesse haben am Seminar teilzunehmen, schreiben Sie eine Mail mit vollem Namen, Matrikelnummer und Studiengang an untenstehenden Kontakt. Sie werden dann in die Warteliste aufgenommen. Die Aufnahme in die Warteliste kann zu jedem Zeitpunkt erfolgen, einen expliziten Anmeldezeitraum gibt es nicht, da die Themen in Anmeldereihenfolge vergeben werden. Es gibt für Doppel- und Einzelthemen separate Wartelisten, da wir für Doppelthemen Teams bevorzugen (weil das aus Erfahrung besser funktioniert). Finden sich nicht genug vorangemeldete Teams, füllen wir nach Vergabe der Einzelthemen aus der Einzelthemen-Warteliste auf. Man kann sich nur für eine Warteliste eintragen lassen.

Regeln zur Warteliste: Die Themen werden in der Einführungsveranstaltung der Reihe nach an die Führenden der Warteliste vergeben. Wer nicht anwesend ist, bekommt kein Thema und verliert auch seinen Platz in der Warteliste. Wem die Themen nicht zusagen und freiwillig zurücktritt, verliert seinen Listenplatz ebenfalls. Die Themen werden solange in Reihenfolge weiter vergeben, bis das letzte Thema vergeben ist. Alle Teilnehmer, bis zu diesem Platz, werden aus der Liste gelöscht und diejenigen, die kein Thema bekommen haben rücken nach vorne auf. Es ist weiterhin nötig, nach jeder Einführungsveranstaltung seine Anmeldung zu erneuern um seinen Platz nicht zu verlieren, damit wir mitbekommen, ob die Teilnehmer vielleicht zwischenzeitlich ein anderes Seminar belegt haben (so können wir für die Interessierten bessere Prognosen abgeben ob es im nächsten Semester funktionieren wird, oder nicht). Erneuerungen werden nur nach der Einführungsveranstaltungen des jeweiligen Semesters für das nächste Semester angenommen, um Pauschal-Erneuerungen einen Riegel vorzuschieben.  Die Erneuerungen für das SS 2021 werden zwischen dem 02.11.2020 und dem 15.12.2020 angenommen!

Themenbekanntgabe: Um den Leuten den Weg zu ersparen, die zwar nach Liste ein Thema bekommen würden, aber denen die jeweiligen Themen des Semesters nicht gefallen, werden die Themen bereits ca. eine Woche (falls früher final festgelegt, dann auch früher) vor der Einführungsveranstaltung auf dieser Webseite bekannt gegeben. Sollte jemand schon vorher wissen, dass er doch nicht kommt, bitten wir ebenfalls um (verbindliche!) Mitteilung, so können wir ebenfalls bekannt geben, bis zu welcher Platznummer wir voraussichtlich Themen vergeben werden. Die eigene aktuelle Platznummer kann jederzeit bei untenstehendem Kontakt erfragt werden.

Sollten in der Einführungsveranstaltung nicht alle Themen vergeben werden können, oder jemand sein Thema noch während der ersten 10 Tage nach Vergabe zurückgeben, werden wir diese hier auf der Homepage nochmals ausschreiben. Die Themen können dann noch im laufenden Semester bearbeitet werden. Diese Themen werden innerhalb des ersten Tages nach Neuausschreibung in Reihenfolge der Warteliste vergeben, danach nach dem Prinzip "first come, first serve".

Einführungsveranstaltung: ACHTUNG! NEU! Da aufgrund der Corona-Krise von Präsenzveranstaltungen aktuell weitestgehend abzusehen ist, findet in diesem Semester keine Einführungsveranstaltung statt. Die Themen werden dieses Semester ausschließlich online per E-Mail vergeben. Folgender Ablauf: Jeder Teilnehmer in der Warteliste bekommt der Reihe nach eine E-Mail mit den aktuell noch verfügbaren Themen aus denen er sich dann binnen 6 Stunden eines Auswählen kann. Sollte innerhalb der 6 Stunden keine Antwort erfolgen, ist der Listenplatz verloren und die Themen werden dem Nächsten in der Warteliste angeboten. Die Mails werden bereits eine Woche vor Vorlesungsbeginn verschickt. Damit niemand die ganze Nacht seine Mails checken muss, werden die Mails nur zwischen 9 Uhr morgens und 18 Uhr am Abend verschickt. Bei einer Mail um 18 Uhr wird die Antwort der Fairness halber trotzdem bis 24 Uhr erwartet. Wer also bis 18 Uhr (plus ein bisschen Toleranz für die Übertragung) keine E-Mail bekommen hat, braucht vor 9 Uhr des nächsten Tages auch nicht mehr checken.  Es wäre schön, wenn Sie sich schnell für ein Thema entscheiden könnten, damit sich das ganze nicht unnötig in die Länge zieht. Die Themen werden ebenfalls eine Woche vor Vorlesungsbeginn hier auf der Homepage mit einer kurzen Beschreibung zur leichteren Entscheidungsfindung bekannt gegeben. Um einen einheitlichen Startschuss zu gewährleisten  werden alle Teilnehmer, nachdem alle Themen vergeben wurden, gleichzeitig in einen nicht-öffentlichen WueCampus Kurs eingefügt, in dem sie ihre Materialien und Kontaktdaten zu ihrem Betreuer finden.

Für das Wintersemester 20/21 sind bereits alle Themen vergeben! Wer keines gekriegt hat und weiterhin Interesse hat, muss ab Montag den 02.11.2020 bis zum 15.12.2020 seinen Wartelistenplatz refreshen!

Kontakt: Für Anmeldungen und Rückfragen steht Jonathan Krebs (jonathan.krebs@uni-wuerzburg.de) per Mail zur Verfügung.

Themen im Wintersemester 20/21

Einzelthemen

Thema 1: Preventing mode collapse in Generative Adversarial Networks

GANs haben das Problem des mode collapses. Es sollen verschiedene Verfahren vorgestellt werden, dieses Problem zu beheben. - Betreuer: Kirill Djebko

Thema 2: Digital Twins - prospects and challenges

In der vergangenen Zeit haben Digital Twins zunehmend an Bedeutung gewonnen. Bei diesem Seminarthema soll das Prinzip hinter Digital Twins vorgestellt und beleuchtet werden welche Vorteile und Schwierigkeiten damit verknüpft sind. - Betreuer: Kirill Djebko

Thema 3: SEARN - Learning in Search

NLP behandelt in der Regel Probleme die eine Struktur aufweisen. Es ist immer eine Möglichkeit diese Strukturen iterativ zu ermitteln (z.B. erst kleinere Strukturen, dann größere). SEARN ist das Framework für eine solche Suchstrategie, die in der Lage ist jede binären Klassifikator in einen strukturellen Klassifikator umzuwandeln. - Betreuer: Markus Krug

Thema 4: CircleNet - Anchor-free Detection with Circle Representation

Objekterkennungsnetzwerke sind leistungsstark in der Bildverarbeitung, aber nicht notwendigerweise für die biomedizinische Objekterkennung optimiert. CircleNet versucht dies zu lösen und bietet einen Ansatz der besser für biomedizinische Anwendung geeignet ist. In der Seminararbeit soll das Paper vorgestellt werden und der Bezug auf die Vorteile der biomedizinischen Anwendung von CircleNet angewandt werden. Insbesondere mit Bezug auf Objekterkennung von Polypen. - Betreuer: Adrian Krenzer

Thema 5: Auto ML in der Objekterkennung - Overview

Automatisiertes maschinelles Lernen (AutoML) wird zu einer vielversprechenden Lösung zum Aufbau von DL-Systemen ohne menschliche Unterstützung. Es ist ein wachsender Forschungsbereich. In der Seminararbeit soll die Anwendung von AutoML auf die Objekterkennung näher betrachtet werden. - Betreuer: Adrian Krenzer

Thema 6: Deep Image Prior

Deep Image Prior ist eine Methode, um die Originalversion von Bildern nach einer Degradierung wie Rauschen, fehlende Teile, Verringerung der Auflösung etc. mittels untrainierten Deep-Learning Modellen ohne die Verwendung von Ground-Truth Daten wiederherzustellen. - Betreuer: Norbert Fischer

Thema 7: Page Boundary Extraction for Historical Documents

Es soll eine Methode vorgestelllt werden, um mithilfe eines FCN den Satzspiegel von historischen Drucken zu erkennen. Es soll auch auf andere existierende Methoden eingegangen und die Ergebnisse verglichen werden (soweit möglich). - Betreuer: Norbert Fischer

Thema 8: Green AI

Neuronale Netze werden immer komplexer, wodurch insbesondere der Trainingsaufwand und damit auch die Trainingskosten steigen. In dieser Seminararbeit sollen einerseits die Umweltauswirkungen betrachtet werden und andererseits der Ansatz, Modelle nicht nur nach ihrer Genauigkeit zu bewerten, sondern auch nach ihrer Effizienz. - Betreuer: Jonathan Krebs

Doppelthemen

Thema 1: Evolution of the Attention Mechanism

Attention is der Mechanismus, der Rekurrente Netze immer weiter in den Hintergrund gedrängt hat, doch Attention hat den unangenehmen Effekt quadratisch mit der größe des Bereiches zu skalieren. Diese Seminararbeit soll sich mit dem Problem auseinander setzen und Ansätze zeigen, wie die quadratische Skalierung umgangen werden kann. - Betreuer: Markus Krug/David Schmidt

Thema 2: Bertology

BERT encodings sind eine Art Revolution in der Textverarbeitung. Ziel dieser Arbeit ist zu vermitteln welche Varianten von BERT bisher exitisieren (zB RoBERTa, SpanBERT, DistillBERT, AlBERT, etc..) und in wiefern sich diese unterscheiden. - Betreuer: David Schmidt

Thema 3: An Overview of Generative Adversarial Networks

Es soll die Funktionsweise von Generative Adversarial Networks (GANs) und deren Entwicklung bis heute vorgestellt werden. Es sollen verschiedene GAN-Architekturen (Cycle-GAN, Disco-GAN, ...) vorgestellt und kurz auf ihre ihre Vor- Und Nachteile eingegangen werden. - Betreuer: Kirill Djebko

Thema 4: An Overview of Improving Image Classification on the Level of Labels

In diesem Thema sollen verschiedene Methoden vorgestellt werden, die die Modell-Genauigkeit durch eine Verbesserung der Label-Verteilung erhöhen, beispielsweise class imbalance oder Label-Hierarchie. Dabei gibt es Beispiele sowohl von Common Object Datensätzen als auch aus der Medizin. - Betreuer: Amar Hekalo