Forschende
23 Treffer mit Thema „Deep Learning“ in Wirtschaftswissenschaftliche Fakultät, Mathematisch-Naturwissenschaftliche Fakultät · Themen-Filter entfernen
Prof. Dr. Ralf Reulke forscht schwerpunktmäßig auf den Gebieten der Bildverarbeitung, Fernerkundung und optischen Sensorsysteme.
Die Forschung von Prof. Dr. Patrick Hostert konzentriert sich auf die satellitengestützte Erdbeobachtung und die Entwicklung fortschrittlicher Datenanalyseverfahren, insbesondere unter Einsatz von Künstlicher Intelligenz und maschinellem Lernen.
Prof. Dr. Verena Hafner forscht an den Schnittstellen von Robotik, Künstlicher Intelligenz und Kognitionswissenschaften.
Die Forschungsprojekte konzentrieren sich auf die Entwicklung fortschrittlicher Algorithmen für die 3D-Rekonstruktion, Bildverarbeitung und Echtzeit-Datenanalyse unter Einsatz von Künstlicher Intelligenz und Deep Learning.
Die Forschung konzentriert sich auf die Automatisierung und Qualitätssicherung in der Softwareentwicklung, insbesondere durch den Einsatz von Künstlicher Intelligenz und Large Language Models.
Prof. Dr. Andrea Walther forscht auf dem Gebiet der angewandten Mathematik mit Schwerpunkt auf algorithmischer Differentiation, Optimierung und inversen Problemen.
Die Forschung konzentriert sich auf die Entwicklung und Miniaturisierung von Quantentechnologien, insbesondere Atomuhren, Bose-Einstein-Kondensaten und Atominterferometern, für den Einsatz im Weltraum und unter Schwerelosigkeit.
Prof. Dr. Marek Kowalski forscht auf dem Gebiet der Astroteilchenphysik und Multimessenger-Astronomie, mit einem Schwerpunkt auf der Analyse von Daten des IceCube-Neutrinoobservatoriums.
Die Forschung von PD Dr. rer. nat. Niels Wessel konzentriert sich auf die nichtlineare Analyse kardiovaskulärer Biosignale zur Verbesserung der medizinischen Diagnostik und Risikoprädiktion.
Die Forschung konzentriert sich auf den Einsatz fortschrittlicher KI-Methoden, insbesondere Deep Learning und Large Language Models, zur Analyse komplexer Datenstrukturen wie Zeitreihen, Texten und Bildern.
Prof. Dr. Sonja Greven forscht auf dem Gebiet der statistischen Modellierung und Datenanalyse mit Fokus auf funktionale Daten, Dichteregression und kausale Inferenz.
Prof. Dr. Alan Akbik forscht auf dem Gebiet der Computerlinguistik und Künstlichen Intelligence, mit einem Schwerpunkt auf Large Language Models und Deep Learning.
Die Forschung konzentriert sich auf Hochenergiephysik und Astroteilchenphysik, insbesondere auf die Detektion und Analyse von Gammastrahlung mittels Cherenkov-Teleskopen wie H.E.S.S.
Die Forschung von Prof. Dr. Daniel Klapper konzentriert sich auf die Schnittstelle von Marketing, Verhaltensökonomie und Datenwissenschaft.
Die Forschung von Prof. Dr. Thomas Kosch konzentriert sich auf die Entwicklung intelligenter Benutzerschnittstellen und die Anwendung von Künstlicher Intelligenz, insbesondere Large Language Models, in Human-Computer Interaction.
Die Forschung konzentriert sich auf die Entwicklung und Charakterisierung von 2D-Materialien, insbesondere Graphen und Nanoröhren, für elektrochemische Sensoren und Biosensoren.
Dipl.-Thomas Vogel forscht im Bereich Softwaretechnik mit Fokus auf suchbasierte Testfallgenerierung und Programmreparatur.
Das Projekt EMPEROR entwickelt automatische Verfahren zur Ursachenanalyse von Programmverhalten, insbesondere zur Identifikation von Eingaben, die Programmfehler auslösen.
Die Forschung von Dr. Dirk Pflugmacher konzentriert sich auf die Anwendung satellitengestützter Fernerkundung zur Überwachung von Waldgesundheit, Biodiversität und Landnutzungsänderungen im Kontext des Klimawandels.
Sigbert Klinke forscht auf den Gebieten der Hochschuldidaktik, Statistik und digitalen Lernmethoden.
Die Forschung von Dr. Sergey Kovalenko umfasst ein breites Spektrum an Themen, darunter Spektroskopie, Quantenchemie und Katalyse.
Die Publikationen decken ein breites Spektrum ab, von Künstlicher Intelligenz und autonomem Fahren über neurowissenschaftliche Studien bis hin zu inklusiver Bildung.
Die Forschung konzentriert sich auf die Analyse und Extraktion relevanter Daten aus großen, komplexen Datensammlungen wie Data Lakes.