Zwei Paper auf der GIL / Two Papers at this years GIL [18.01.23]
Das Fachgebiet ist in zwei Papern auf der Jahrestagung der Gesellschaft für Informatik in der Land-, Forst- und Ernährungswitrschaft e.V. -- The department is represented with two papers at the annual conference of the Gesellschaft für Informatik in der Land-, Forst- und Ernährungswitrschaft e.V. (Society for Informatics in Agriculture, Forestry and Nutrition)
ENGLISH VERSION BELOW
Auf der diesjährigen Jahrestagung der GIL ist das KI-Fachgebiet bei zwei Beiträgen beteiligt. Beide Beiträge sind im Rahmen des Projekts NaLamKI (Nachhaltige Landwirtschaft mittels Künstlicher Intelligenz) entstanden: Einerseits eine Übersichtsarbeit zu NaLamKI unter Beteiligung der Projektpartner als auch eine Ernteertragsprognose unter Verwendung von Methoden des Automated Machine Learnings. Unter folgendem Link können die Beiträge eingesehen werden: https://gil-net.de/wp-content/uploads/2023/01/GIL_2023_Tagungsband_final.pdf
Referenz zur Überblicksarbeit von NaLamKI: Bosse et. al.: Nachhaltige Landwirtschaft mittels Künstlicher Intelligenz - Ein plattformbasierter Ansatz für Forschung und Industrie
Referenz zur Ernteertragsprognose mittels Automated Machine Learning: Heil, Valencia, Stein: Towards crop yield prediction using Automated Machine Learning
--
At this year's annual conference of the GIL, the AI department is involved in two contributions. Both contributions were made within the scope of the NaLamKI project (sustainable agriculture using artificial intelligence): On the one hand, a review of NaLamKI with the participation of the project partners, and on the other, a crop yield forecast using methods of automated machine learning. The papers can be viewed at the following link: https://gil-net.de/wp-content/uploads/2023/01/GIL_2023_Tagungsband_final.pdf
Reference to the NaLamKI overview paper: Bosse et. al.: Sustainable agriculture using artificial intelligence - A platform-based approach for research and industry
Reference on crop yield prediction using Automated Machine Learning: Heil, Valencia, Stein: Towards crop yield prediction using Automated Machine Learning
