Prof. Dr. Munir Georges

AI@Education ist ein Kurs für Schülerinnen und Schüler, die sich das Studieren an der THI vorstellen können.

Exploring techniques for dynamically fine-tuning Large Language Models (LLMs) to integrate new information in real-time involves investigating methods that allow models to adapt swiftly without extensive retraining. Students will examine parameter-efficient approaches like Low-Rank Adaptation (LoRA), which leverages low-rank matrices for rapid fine-tuning, and RE-Adapt, a technique that isolates and preserves instruction-following capabilities while adapting the model to new domains. In-context learning will also be explored as a method that enables LLMs to adapt during inference by conditioning on examples in the input without updating model parameters. Alternative strategies, including but not limited to Retrieval-Augmented Generation (RAG), may also be studied to enhance the model’s ability to combine internal knowledge with external data sources for improved accuracy and reduced hallucinations. Techniques for emotion recognition, such as affective computing, and decision inference methods, including probabilistic modeling, will be explored to enable the model to predict user intentions and respond contextually. Evaluation will focus on metrics such as perplexity, F1 scores, and latency to ensure the feasibility of real-time applications. This project invites students to investigate and experiment with a diverse set of strategies to develop adaptive LLMs capable of learning and responding effectively in dynamic conversational environments.

Hochschulassistenzsystem

Im Verbundprojekt HAnS (Hochschul-Assistenz-System) wird eine Learning-Experience-Plattform entwickelt, die einen wichtigen Beitrag zur Digitalisierung der Hochschullehre leisten soll. An diesem Projekt beteiligen sich deutschlandweit acht Hochschulen und drei Institute mit insgesamt 40 Mitwirkenden. An der THI ist zum einen das Arbeitspaket "Nutzerperspektive und Akzeptanz" angesiedelt. Zum anderen sind wir an der technischen Entwicklung beteiligt und kümmern uns um die Integration von HAnS ins THI-Moodle.

Mehr als eine Videoplattform

Lehrende können HAnS verwenden, um Materialien, beispielsweise Vorlesungsvideos, mit ihren Studierenden zu teilen. Im Gegensatz zu anderen Plattformen wird hier das Material jedoch zusätzlich mithilfe von KI aufbereitet. Dabei werden unter anderem automatisch Untertitel erstellt, einzelne Themen extrahiert und Übungsaufgaben generiert.

Zielorientiertes und flexibles Lernen für Studierende

Studierende haben die Möglichkeit, über einen KI-Tutor mit dem HAnS-System zu interagieren. Dabei können sie Lehrvideos nach Begriffen durchsuchen und zu den entsprechenden Stellen im Video springen. Durch die Empfehlungen und Übungsaufgaben des KI-Tutors kann der Lernende seinen Lernfortschritt prüfen und gemäß seinen individuellen Bedürfnissen Lern-Empfehlungen erhalten.

*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

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.

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
  

Speech-Driven Gesture Synthesis for Transit Assistants

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.