IKAI@swf (Winter 2022/23)
(sortiert nach Betreuer)
N.N.
Das
Paper Extractive
Opinion Summarization in Quantized Transformer Spaces von Stefanos
Angelidis et al. stellt einen neuen Ansatz für die themenbasierte
Zusammenfassung von Nutzerbewertungen vor. Das Team hat neben dem
Paper auch einen Corpus mit Bewertungen von Hotels aus TripAdvisor
und eine Implementierung des Verfahrens veröffentlicht
(https://github.com/stangelid/qt).
Ziel
ist es, das Verfahren vorzustellen und (optional) auf
deutschsprachige Kommentare (etwa Rezepte von chefkoch.de oder
deutsche Produktkommentare auf Amazon) anzuwenden. Eine
Gruppenarbeit ist möglich, speziell für den Transfer auf deutsche
Texte.
Am 22. August hat stability.ai das Stable Diffusion Model auf huggingface.co veröffentlicht. Die Theorie dahinter haben Rombach et al. im Paper High-Resolution Image Synthesis with Latent Diffusion Models beschrieben. Ziel ist es, das Verfahren vorzustellen und idealerweise selbst eigene "Kunstwerke" mit diesem Modell zu erstellen. Das Thema ist auch dazu geeignet, rechtliche Aspekte (wie sind KI-erzeugte Bilder rechtlich einzuordnen, etwa in Bezug auf das Urheberrecht) oder das Thema Bias in den Trainingsdaten (wie zeigen sich menschliche Stereotype und Vorurteile in den erzeugten Bildern) zu beleuchten. In diesem Fall ist eine Gruppenarbeit denkbar.
Die
Transformer-Architektur wird seit einigen Jahren erfolgreich im
Bereich NLP angewendet. Im Paper An
Image is Worth 16x16 Words: Transformers for Image Recognition at
Scale von Alexey Dosovitskiy et al. (Google Research)
wird die Transformer-Architektur auf Bilder angewendet, inzwischen
ist der Vision-Transformer State of the Art bei diversen Anwendungen
aus dem Bereich Computer Vision.
Ziel ist es, die
Funktionsweise des (Vision-)Transformers vorzustellen und die
Leistungsfähigkeit etwa bei der Bildklassifikation zu untersuchen.
AWS Nitro System: Eine Kombination aus dedizierter Hardware und schlankem Hypervisor für die Amazon Cloud.
TPU: Wie funktionieren Googles KI Chips?
Grace Hopper: Aufbau des neuen "Superchips" von Nvidia.
Two-Step-Clustering-Algorithmus von Punj und Steward (https://www.jstor.org/stable/3151680), Einsatzgebiete und Grenzen und ggf. seit seiner Entwicklung 1983 hinzugekommene neue Erkenntnisse.
Kubernetes
& Co.: Überblick und Vergleich von
Container-Orchestrierungsmethoden.
Ausgangspunkt z. B. das Buchkapitel Container
Orchestration: A Survey
(Emiliano Casalicchio), in:
Systems Modeling: Methodologies and Tools
(Antonio Puliafito, Kishor S. Trivedi; Editors), S. 221 ff.
(Springer 2019)
Retro
Computing: FPGA vs. Software-Emulation
(Vorstellung der Konzepte, Unterschiede, Vor- und Nachteile, am
Beispiel von Commodore C64, Sinclair ZX Spectrum oder
Amstrad/Schneider CPC);
Ausgangspunkt z. B. "Auf neuen Pfaden
mit alten Spielen" (Andreas Lorenz),
https://www.degruyter.com/document/doi/10.1515/bd-2020-0044/html
XFUSE: An
Infrastructure for Running Filesystem Services in User Space
(Qianbo Huai, Windsor Hsu, Jiwei Lu, Hao Liang, Haobo Xu, and Wei
Chen, Alibaba Group),
https://www.usenix.org/conference/atc21/presentation/hsu
,
https://www.usenix.org/system/files/atc21-huai.pdf
One key to
rule them all: Recovering the master key from RAM to break Android's
file-based encryption (Tobias Groß, Marcel Busch, Tilo Müller),
https://dfrws.org/wp-content/uploads/2021/03/FSIDI301113_proof.pdf
What's
on the Horizon? An In-Depth Forensic Analysis of Android and iOS
Applications (Fahad E. Salamh, Mohammad Meraj Mirza et al.),
https://ieeexplore.ieee.org/document/9477591
Defining
Atomicity (and Integrity) for Snapshots of Storage in Forensic
Computing (Jenny Ottmann, Frank Breitinger and Felix
Freiling),
https://dfrws.org/presentation/defining-atomicity-and-integrity-for-snapshots-of-storage-in-forensic-computing/
Prof. Buchwitz, Benjamin: buchwitz.benjamin@fh-swf.de
Prof. Eßer, Hans-Georg: esser.hans-georg@fh-swf.de
Prof. Gawron, Christian: gawron.christian@fh-swf.de
Prof. Giefers, Heiner: giefers.heiner@fh-swf.de
Prof. Meyer, Annika: meyer.annika@fh-swf.de
(hge, 2022-10-08)