Prof. Dr. Munir Georges

Allgemeine Informationen rund um die Kurse von Prof. Dr. M. Georges

  • Spracherkennung
    • Merkmalsextraktion
    • Akustisches Modell
    • Sprachmodell
    • Training incl. end-to-end training
  • Dialogsystem/Chatbot
    • Datengrundlage
    • Regelbasierte Dialogführung incl. "grammar inference"
    • Statistische Dialogführung (mit neuronalen Netzen)
    • Anwendungen

This course covers fundamentals and state-of-the-art in virtual and augmented reality, as well as related areas of 3D computer vision and graphics. Theoretical background as well as practical solutions and applications will be presented in the lectures. AR/VR topics covered in the course range from applications to Gaming, Entertainment, Education, Healthcare, Architecture, Engineering and Construction, Shopping, or Telepresence.
In the accompanied practical and based on the principle of problem-based learning, students will be asked to design an own project (individual or groups) from idea, via implementation, testing, evaluation, demonstration, to documentation. In this way they will experience the full lifecycle of a practical project in AR/VR, as they will face it once they leave the university in either industry or research. A default project will be suggested as fall back, still covering the full lifecycle except the idea.

Mathematik II in Wirtschaftsinformatik:

  • Lineare Algebra: Vektoren, Matrizen, lineare Gleichungssysteme
  • Deskriptive Statistik: Skalen, Lage- und Streuungsmaße, Visualisierung, Korrelation, Regression
  • Elemente der Wahrscheinlichkeitsrechnung: Zufallsvariable, Bedingte Wahrscheinlichkeiten, Wahrschein-lichkeitsverteilungen
  • Induktive Statistik: Punktschätzung, Intervallschätzung, Konfidenzintervalle, Testen von Hypothesen

*ENGLISH BELOW*

Mit rund 70 forschungsaktiven Professuren, darunter 20 KI-Forschungsprofessuren, und mehr als 250 wissenschaftlichen Mitarbeiter:innen nimmt die Technische Hochschule Ingolstadt bezogen auf ihre Größe eine bundesweit herausragende Position ein. Studierenden bietet die THI Karrierewege vom Bachelor über den Master bis hin zur Promotion. Über 100 Doktorand:innen promovieren bereits an der THI.

Mit dem „Open Research Space“ (ORS) möchten wir KI-interessierte Studierende zusammenbringen und den wissenschaftlichen Austausch weiter fördern. KI-Projekte und spannende Entwicklungen aus der Forschung werden hier vorgestellt, diskutiert und zusammen weiterentwickelt. Dieser Moodle-Kursraum dient als zentrale Anlauf- und Sammelstelle für Informationen, die im Rahmen des ORS unter den Studierenden und Wissenschaftler:innen geteilt werden.

Aktuelle Termine: Freitags 13:00 bis 14:30/open end im Learning Lab der THI

Zweck des Kursraums:

  • Ankündigung der wöchentlichen Treffen mit Agenda
  • Diskussionsforum für Ideen, die während der Präsenz-Treffen im Learning Lab entstehen
  • Teilen von Vortragsfolien
  • Links zu weiterführenden Quellen und Materialien

--

The Open Research Space brings together students with an interest in AI and facilitates the scientific exchange. Projects in AI and exciting research developments are presented, discussed, and further developed. This Moodle Course provides whatever information is shared by students and researchers in the course of the ORS.

Current appointments: Fridays 13:00 till 14:30/open end at the Learning Lab at THI

Aim of the Moodle Course:

  • Announcement of the weekly meeting with agenda
  • Discussion forum for ideas that emerge during the meeting in the Learning Lab
  • Sharing presentation slides
  • Links to further sources and materials

Nach erfolgreicher Teilnahme an den Modulveranstaltungen Sprach- und Textverstehen sind Sie in der Lage,

  • die Grundzüge der Sprach- und Textverstehen zu erläutern
  • Text und Sprachsignale zu analysieren und auszuwerten
  • bestehende Anwendungen einzuordnen und zukünftige Entwicklungen einzuschätzen
  • grundlegende Sprach-/Text Algorithmen für Problemlösungen einzusetzen vorgegebene und selbst entworfene Algorithmen zur Sprach- und Textverarbeitung formal und in der Programmiersprache Python zu formulieren.

Spoken Language Understanding (SLU) extracts the meaning from speech utterances by leveraging technologies from signal processing, pattern recognition and machine learning. SLU comprises components for Automatic Speech Recognition (ASR), Natural Language Processing (NLP) and Dialog Systems. Its applications are vast, from voice search and destination entry in cars to medical dictation and meeting summarization in offices.

  • Technologies: Hard-and software solutions for natural interfaces, frameworks, best practices.
  • Types: Touch interfaces, multi-touch interfaces, pen-based interfaces, gestural interfaces, conversational interfaces.
  • Interaction: Interaction paradigms, gesture sets, spoken dialogs, primitives, design principles, interaction with natural interfaces.
  • User Experience: User-centered gesture and speech dialogdesign, Testing gestures and spoken lan-guage understanding, NUI Mock-Ups, Wizard-of-Oz experiments for conversational and gesture inter-faces, Prototype implementation.

In dem Projekt "Empathy with aN AutonoMOUs Robot" (ENAMOUR) wird das Zusammenspiel aus Semantik und Pragmatik in der Mensch-Roboter Interaktion erforscht. In dem interdisziplinärem Projekt bauen Sie die Sprachsteuerung. Auf Basis von Open Source Software entwickeln und integrieren Sie diese auf einem mobilen Roboter. Es wird sich  um einen Roboterhund handeln. Parallel zu der Programmierung entwerfen Sie ein Dialogmodell und sammeln Audio/Text Daten mit denen die ASR/NLU Modelle trainiert und evaluiert werden.

Sie werden in einem agilen Entwicklungsteam arbeiten und gemeinsam die Sprachsteuerung realisieren. Das selbstorganisierende und funktionsübergreifende Team wird Anforderungen ermitteln und Lösungen gemeinsam erarbeiten. Individuelle Berichte geben Einblick in Teillösungen. Zum Abschluss wird die Technik beschrieben und einer breiten Öffentlichkeit präsentiert.


This is the Seminar Artificial Intelligence in English. Participants will work on following group of tasks:

  • Exploring given topic
  • Structuring knowledge in individual areas/task blocks
  • Summarizing results into a presentation
  • Presenting results and lead discussions in plenary
  • Preparing seminar papers according to the scientific standards

Seminar Künstliche Intellizenz. Die Teilnehmer erarbeiten folgende Aufgabenblöcke:

  • Einarbeitung in die vorgegebene Thematik
  • Strukturierung in einzelne Bearbeitungsfelder/Aufgabenblöcke
  • Zusammenfassen der Ergebnisse in einer Präsentation
  • Ergebnispräsentation und Diskussion im Plenum
  • Erstellung einer Seminararbeit nach fachwissenschaftlichen Standards

Automatic Speech Recognition & Understanding:

  • Feature extraction
  • Acoustic model
  • Language model
  • Training incl. end-to-end training

Dialogue systems/chatbots including Large Language Models:

  • Data basis
  • Rule-based dialogue guidance incl. "grammar inference"
  • Statistical dialogue management (with neural networks)
  • Applications

After successful participation in the module courses Language and Text Comprehension you will be able to,

  • explain the basic features of speech and text comprehension
  • analyze and evaluate text and speech signals
  • classify existing applications and evaluate future developments
  • use basic speech/text algorithms to solve problems

formulate given and self-designed algorithms for speech and text processing formally and in the Python programming language.


Nach erfolgreicher Teilnahme an den Modulveranstaltungen Sprach- und Textverstehen sind Sie in der Lage,

  • die Grundzüge der Sprach- und Textverstehen zu erläutern
  • Text und Sprachsignale zu analysieren und auszuwerten
  • bestehende Anwendungen einzuordnen und zukünftige Entwicklungen einzuschätzen
  • grundlegende Sprach-/Text Algorithmen für Problemlösungen einzusetzen vorgegebene und selbst entworfene Algorithmen zur Sprach- und Textverarbeitung formal und in der Programmiersprache Python zu formulieren.

Nach erfolgreicher Teilnahme an der Lehrveranstaltung sind die Studierenden in der Lage,

  • spezifische Merkmale und Anforderungen an verteilter künstlicher Intelligenz zu kennen und zu bewerten
  • Methoden und Algorithmen der verteilten künstlichen Intelligenz zu kennen, zu vergleichen, zu bewerten und anzuwenden
  • Probleme und Lösungen der verteilten künstlichen Intelligenz und deren Anwendungen einzuordnen
  • Algorithmen für das parallele lernen von neuronalen Netzen zu implementieren und zu verifizieren
  • Multiagentensysteme und Schwarmintelligenz zu kennen und zu bewerten
Weitere Kurse

"Augmented and Virtual Reality Applications" for the UXD master programme. Course room materials for lecture and practical exercises.

Search token: sutherland


This is the course where participants can find everything they need to take part in the project.