Turun ammattikorkeakoulu haluaa parantaa pk-yritysten valmiutta hyödyntää tekoälyä.

TEHOTEKO eli Teollisuus hyödyntämään ohjelmistoissa tekoälyä -projektissa muun muassa testataan algoritmeja, jotta niiden sopivuus kulloisenkin yrityksen tarpeisiin selviää. Toisekseen hankkeen tuloksena on luoda menetelmiä, jotka hyödyntävät valmiita tekoälyohjelmakirjastoja yrityksen omassa tuotekehityksessä.

Yhteiskehittämistyöpajat

Turun ammattikorkeakoulu järjestää yhdessä Åbo Akademin Informaatioteknologian kanssa marras-joulukuun aikana yhteiskehitystyöpajoja, joissa yritykset saavat tietoa omien data science -projektiensa aloittamisesta ja jatkokehityksestä sekä datasettien luomisesta. Ne yritykset, jotka ovat paremmin tietoisia data science -kehitysalueesta, voivat hyötyä Machine Learning Opsista, joka auttaa automatisoimaan osia yrityksen omasta ML-kehityksestä. Toivotamme yritykset tervetulleiksi kertomaan myös omista hyvistä tai huonoista MLOps kokeiluistaan.

Yhteiskehittämistyöpajat toteutetaan englanniksi. Kuvaus sisällöstä alla:

In the past decade, there has been an increased interest in developing datasets for various domains: healthcare, autonomous driving/navigation, speech recognition, etc. General object-detection datasets, for instance, often give unsatisfactory results on specific use-cases in industrial applications. Hence, the creation of domain-specific datasets is on the rise.

Data scientists rely on benchmark datasets to evaluate, train, and validate different types of algorithms. However, errors in datasets are more common than we might think. For instance, the Imagenet dataset contains 6% errors in their validation set annotations. Many algorithms are created to be robust to noise in the training set. However, errors in test sets can affect benchmarks significantly. To this end, we propose to share our experience with dataset creation and annotation during the workshop, emphasizing the challenges of precise image annotation and discussing the opportunities that developing domain-specific datasets can bring about.

Moreover, data lifecycle and management, and ML processes can make or break ML in production. During this workshop, we will explore what benefits MLOps can provide to data science teams and practitioners, and analyze best practices for its implementation. We will consider the challenges that can hinder ML development in production and how we can overcome them.
 

Address: Agora building, 3rd floor, Vesilinnantie 3, Turku.

TUE 29.11. at 13-16
 
Registration: https://link.webropolsurveys.com/EP/0FBEE290102810B9

Tekoälyä yritysten käyttöön – Turun AMK testaa algoritmeja autonomisen lautan avulla

https://www.turkuamk.fi/fi/artikkelit/3014/tekoalya-yritysten-kayttoon-turun-amk-testaa-algoritmeja-autonomisen-lautan-avulla/