Forschende
35 Treffer mit Thema „Maschinelles Lernen" in Mathematisch-Naturwissenschaftliche Fakultät · Themen-Filter entfernen
Victoria Coors arbeitet an FAIRmat, einer Dateninfrastruktur für die Physik der kondensierten Materie und chemische Physik fester Stoffe.
Prof. Kortenkamp erforscht die Qualität von Mathematikunterricht und Lehrerfortbildung, mit aktuellem Fokus auf die Gestaltung von Lernmaterialien und Fortbildungsprogrammen, die Lehrkräfte effektiv nutzen und adaptieren können.
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.
Prof. Fuss erforscht Strategien zur Begrenzung der Erderwärmung durch Kohlendioxidentfernung (CDR) und analysiert dabei systematisch, welche Techniken – von Aufforstung über Bodensanierung bis zu technischen Verfahren – unter welchen Bedingungen wirtschaftlich sinnvoll und ökologisch verträglich sind.
Aswin Kannan forscht an datengestützten Optimierungsmethoden im Rahmen einer Junior Research Group des Exzellenzclusters MATH+.
PD Dr. Olaf Müller forscht aktuell an der Schnittstelle von Wahrnehmung, Sicherheit und Simulation in autonomen Systemen und Verkehrsszenarien.
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.