Projektlogo

Colide: Co-Training and Co-Regulierung für Industriedaten

Overview

Ziel von COLIDE ist die Entwicklung von Auto-Multi-View-Learning-Verfahren (AutoMVL) für heterogene Industriedaten. Dazu werden multi-view learning (MVL) und automatisiertes maschinelles Lernen (AutoML) erstmals kombiniert. Damit werden insbesondere KMUs in die Lage versetzt, den Mehrwert der simultanen Nutzung verschiedenster ML-Methoden auf heterogenen Datenquellen kosteneffizient zu erfahren und so innovative, datengetriebene L?sungen insbesondere in der Produktion anzubieten. Die Machbarkeit wird anhand von 2 realen, diskjunkten Anwendungsf?llen aufgezeigt.

Key Facts

Grant Number:
01I521005D
Project duration:
05/2021 - 04/2024
Funded by:
BMBF
Websites:
Homepage
Projektseite DICE

More Information

Principal Investigators

contact-box image

Prof. Dr. Axel-Cyrille Ngonga Ngomo

Data Science / Heinz Nixdorf Institute

About the person

Project Team

contact-box image

Dr. Stefan Heindorf

Data Science Junior Research Group

About the person

Cooperating Institutions

Elevait GmbH & Co. KG

Cooperating Institution

Go to website

S&K Anlagentechnik GmbH

Cooperating Institution

Go to website

Fraunhofer Institute for Intelligent Analysis and Information Systems (IAIS)

Cooperating Institution

Go to website