Quality Assurance of Machine Learning Applications

Ziel des Verbundprojektes Q-AMeLiA ist es, KMU bei dem speziellen ML-Softwareentwicklungs-Lebenszyklus (ML-SDLC) und den dabei wichtigen Qualitätsindikatoren zu unterstützen. 5 KMU arbeiten mit 3 HAW zusammen, um passende Instrumente zur Bewertung der Daten-Qualität bezüglich repräsentativer Abdeckung des Merkmalsraums sowie zur Bewertung der im Lernprozess erreichten Qualität des erlernten KI-Modells zu erarbeiten. Dies sichert das Produktrisiko des Herstellers KI-basierter Produkte ab und gewährleistet dem Kunden eine quantifizierte Leistung der Produkte hinsichtlich der Entscheidungen der KI.

Forschungsschwerpunkt:
Sichere, autonome und KI-basierte Systeme
Jahr der Einwerbung:
2020
Laufzeit Beginn:
01.10.2020
Laufzeit Ende:
30.09.2023
Projektleitung:
Janis Keuper
Beteiligte Professoren:
Janis Keuper
Fakultät:
Fakultät Elektrotechnik, Medizintechnik und Informatik (EMI)
Institut:
Institute for Machine Learning and Analytics (IMLA)
Fördersumme:
189.992,00 €