Forschungsgruppe Methods for Big Data

In der Gruppe MBD beschäftigen wir uns mit einer Frage, die in der heutigen datengesteuerten Welt relevanter denn je ist: Wie können wir innovative, zuverlässige und generalisierbare Methoden entwickeln, um große Datenmengen zu verarbeiten und komplexe Probleme zu lösen?

Unsere Gruppe, unter der Leitung von Prof. Dr. Nadja Klein, ist auf Bayesianische Lernmethoden spezialisiert, ein leistungsfähiger Ansatz, der es uns ermöglicht, Vorwissen in Modelle einzubeziehen, Unsicherheiten zu quantifizieren und mehr Klarheit in die „Black Boxes“ des Machine Learnings zu bringen. So nutzen wir zum Beispiel die Erkenntnisse von Experten oder sparsitätsinduzierenden Mechanismen, um Modelle genauer, robuster und dateneffizienter zu machen. Indem wir die Präzision und Zuverlässigkeit der Bayesianischen Statistik mit der Anpassungsfähigkeit des Machine und Deep Learnings verbinden, wollen wir das Beste aus beiden Welten bieten.

Unsere Forschung umfasst theoretische Analysen, Methodenentwicklung und reale Anwendungen. So erarbeiten einige unserer Mitglieder neue Priors, andere entwickeln skalierbare und vertrauenswürdige Bayesian neural networks, und wieder andere verbessern die Erklärbarkeit komplexer Systeme. Auf der Anwendungsseite umfassen unsere Methoden verschiedene Bereiche - von der Analyse komplexer biomedizinischer Daten über die Vorhersage von Wettermustern bis hin zur Verbesserung autonomer Fahrtechnologien.

Weitere Details zu unseren Forschungsaktivitäten findet man auf unserer Website.

Weitere Informationen zum Forschungsteam, zu ausgeschriebenen HiWi-Stellen und Masterarbeiten findet man unter Organisation Methods for Big Data.