Forschende
22 Treffer mit Thema „Machine Learning" in Juristische Fakultät, HU-Theologien, Mathematisch-Naturwissenschaftliche Fakultät · Themen-Filter entfernen
Prof. Leser forscht an der automatisierten Analyse und Integration großer biomedizinischer Datenmengen, insbesondere zur Unterstützung personalisierter Krebstherapien.
Prof. Pinkwart erforscht derzeit, wie künstliche Intelligenz und digitale Technologien das Lernen unterstützen und verbessern können – insbesondere durch intelligente Tutorensysteme, adaptive Lernplattformen und KI-gestützte Feedback-Systeme.
Joachim Sauer erforscht mit quantenchemischen Methoden katalytische Reaktionen an Festkörperoberflächen — aktuell konzentriert er sich auf die genaue Vorhersage von Adsorptions- und Reaktionsenergien in Zeolithen, metallorganischen Gerüsten (MOFs) und Metalloxidkatalysatoren mittels hochgenauer Rechenmethoden (Coupled-Cluster, Machine-Learning-Potenziale).
Prof. Hintermüller entwickelt mathematische Optimierungs- und Steuerungsmethoden für komplexe physikalische und technische Systeme.
Prof. Eisert entwickelt kamerabasierte Bildverarbeitungssysteme zur automatisierten Erfassung und Analyse von Bewegungen, Wachstum und Verhalten in Echtzeit.
Prof. Haase erforscht derzeit, wie naturbasierte Lösungen – insbesondere grüne und blaugrüne Infrastrukturen – Städte widerstandsfähiger gegen Klimawandel, Hitze, Überschwemmungen und Biodiversitätsverlust machen können.
Prof. Walther entwickelt mathematische Optimierungsverfahren für komplexe, nichtglatte Probleme aus Ingenieurwesen und Materialwissenschaften.
Prof. Lakes erforscht die räumlichen Wechselwirkungen zwischen Umweltbelastungen, Landnutzung und menschlicher Gesundheit in urbanen und ländlichen Räumen.
Prof. Arenz erforscht derzeit die Rolle von Sphingolipiden und verwandten Lipidmolekülen in Zellprozessen und Krankheitsmechanismen — insbesondere wie Ceramide und Sphingomyelinase in Endolysosomen zelluläre Homöostase regulieren und bei Infektionen oder Lungenödemen eine Rolle spielen.
Prof. Kowalski erforscht hochenergetische Astrophysik durch Neutrinodetektion und entwickelt dabei Methoden zur Beobachtung von extremen kosmischen Ereignissen.
Prof. Akbik erforscht derzeit die Verarbeitung und das Verständnis natürlicher Sprache durch große Sprachmodelle, mit Fokus auf mehrsprachige Systeme und deren Zuverlässigkeit.
Prof. Meyerhenke erforscht die effiziente Verarbeitung und Analyse großer Netzwerk-Datenmengen auf verteilten Computersystemen.
Dr. Nordin erforscht Typ-Ia-Supernovae als Präzisionsinstrumente für die Kosmologie und arbeitet an ihrer Standardisierung als zuverlässige Entfernungsmesser im Universum.
Prof. Walter forscht an mathematischen Optimierungsmethoden für strukturierte Probleme in Banach-Räumen und deren Anwendung auf optimale Steuerung dynamischer Systeme.
Dr. Kowarik entwickelt hochfrequente Röntgen-Messmethoden zur Echtzeitbeobachtung von Dünnschichtwachstum und Oberflächenprozessen.
Dr. Paier erforscht mit computergestützten Methoden (Dichtefunktionaltheorie und verwandte Verfahren) die Wechselwirkung von Molekülen wie CO₂, Wasserstoff und Kohlenwasserstoffen mit Oberflächen von Metalloxiden und Metallen.
Dr. Jurgelucks entwickelt Optimierungsmethoden zur Charakterisierung piezoelektrischer Materialien, insbesondere zur Bestimmung vollständiger Materialparameter aus elektrischen Messdaten.
Birgit Heene arbeitet im DFG-Projekt EMPEROR an der Erkennung von Ursachen für Programmverhalten – ein Forschungsgebiet der Softwarequalität und des Testens.
Dr. Wellmann erforscht die Integration von Fernerkundung und Ökologie zur Förderung von Biodiversität und Klimaanpassung in Städten.
Dr. Pflugmacher erforscht die großflächige Überwachung von Waldveränderungen und Waldbrandfolgen mittels Satellitenfernerkundung und Zeitreihenanalyse.
Aswin Kannan forscht an datengestützten Optimierungsmethoden im Rahmen einer Junior Research Group des Exzellenzclusters MATH+.
Mahdi Esmailoghli erforscht die automatisierte Erkennung und Erschließung relevanter Daten aus großen, unstrukturierten Datenbeständen (Data Lakes) — insbesondere die Herausforderung, aus Hunderten Millionen von Tabellen diejenigen zu identifizieren, die für konkrete Aufgaben tatsächlich brauchbar sind.