Ein ML-Projekt beginnt mit Daten und Qualitätskriterien. Ein Modell sollte nicht nur „funktionieren“; es sollte messbar sein: wo es scheitert, wie oft, warum und ob das für einen konkreten Workflow ausreicht.
Im Labor wird ML als technischer Zyklus behandelt: Aufgabenstellung, Datensatzvorbereitung, Basismodell, Metriken, Fehleranalyse, Verbesserung und Testintegration.
Dieser Ansatz trennt schnell realistische KI-Aufgaben von Aufgaben, bei denen zunächst Daten oder der Workflow verbessert werden müssen.
Selbst ein kleines ML-Projekt erfordert Disziplin in Bezug auf Daten und Metriken.
Unterschiedliche Aufgaben erfordern unterschiedliche Metriken: Genauigkeit, Präzision, Rückruf, mAP, F1 oder Geschäftsmetriken wie die für einen Benutzer eingesparte Zeit.
Für Experimente werden GPU-Server, Inferenzserver, Docker, Kubernetes und die interne Computerinfrastruktur des Labors verwendet.
Forschung Erkennungssystem für chirurgische Instrumente für das St. Panteleimon Hospital Das Labor erforschte und entwickelte ein kamerabasiertes Computer-Vision-System zur Erkennung, Schulung und digitalen Katalogisierung Tausender chirurgischer Instrumente.
Forschung Intelligente Analyse von Verkehr und Staus auf der Straßeninfrastruktur von Lemberg Ein Forschungsprojekt des Labors zusammen mit dem Stadtrat von Lemberg zur Analyse von Verkehrsströmen, Kreuzungsbelastung und Staufaktoren auf den Straßen von Lemberg.
Manchmal ja, aber die Qualität hängt von der Aufgabe, der Probenvielfalt und den Genauigkeitsanforderungen ab. Ein kleiner Datensatz passt oft zu einem ersten Prototyp, ist aber nicht stabil einsetzbar.
Bei angewandten Aufgaben ist die Datenqualität oft wichtiger als die Modellauswahl. Selbst bei starken Algorithmen kommt es zu schlecht beschriebenen oder ungleichmäßigen Datengrenzen.
Ja. Normalerweise wird das Modell als separater Inferenzdienst oder API ausgeführt, während die Webanwendung den Benutzerworkflow sowie die Daten- und Ergebnisvalidierung übernimmt.
Das Labor ist bereit, Forschung, Prototypen und nichtkommerzielle Projekte mit Universitaeten, Laboren, Unternehmen, Krankenhaeusern und oeffentlichen Einrichtungen zu besprechen.
