Direkt zum Inhalt

Intelligente Systeme sind durch Lernvorgänge geprägt, die den Erwerb neuer Fähigkeiten ermöglichen und mit einer großen Menge von heterogenen, unsicheren und probabilistischen Daten umgehen können. Aufgrund der Komplexität der dadurch repräsentierten Situationen in der realen Welt ist eine automatische Abstraktion von Informationen aus Daten, die Bildung  geeigneter repräsentativer Modelle und die semantische Verarbeitung der vorhandenen Informationen unabdingbar, um auf dieser Basis intelligente Systeme für den digitalen Wandel, zum Beispiel im Bereich Mobilität, Industrie, Medizin und Bildung, zu ermöglichen.

Projekte

Cleopatra

Analyse ereignisbasierter Informationen verschiedener Sprachen aus heterogenen Quellen

Data4UrbanMobility

Entwicklung von Werkzeugen für einen ereignisbasierten Überblick über Mobilitätsinformationen und die effiziente Planung, Entwicklung, Durchführung und Nutzung von innovativen Mobilitätsdienstleistungen

Discovering Job Knowledge from Web Data

Discovering Job Knowledge from Web Data

ErrorlessLearning

Aufstockungantrag zu einer Orthografie-Übungsmethode

InclusiveOCW

Inklusive kollaborative Erstellung und Nutzung von Open Courseware in der Berufsförderung von Menschen mit Seheinschränkung.

Interpreting Neural Rankers

Verstehen der von Deep-learned-Modellen im Information-Retrieval getroffenen Entscheidungen (Amazon Research Grant)

Managed Forgetting

Die heutige Informationsflut erschwert es immer mehr, sich auf die wirklich relevanten und wichtigen Dinge zu konzentrieren

OSCAR

Opinion Stream Classification with Ensembles and Active learners

Regio

Eine Kartierung der Entstehung und des Erfolgs von Kooperationsbeziehungen in regionalen Forschungsverbünden und Innovationsclustern

Development of an intelligent algorithm in order to reduce the return rate in the B2B context of fashion eCommerce

Design eines Recommender Systems für Kleidung