Sie sind hier: Startseite Knowledge Discovery

Knowledge Discovery and Synthesis

Der Bereich "Knowledge Discovery and Synthesis" beschäftigt sich mit Methoden zur Identifikation von potentiell komplexen Mustern in Daten und der Synthese von Information über mehrere Quellen hinweg. Das Spektrum reicht dabei von der Metaanalyse klinischer Studien bis zu Techniken des maschinellen Lernens, insbesondere der künstlichen Intelligenz/des Deep Learnings, für die Integration von molekularen und klinischen Daten.

Projekte

Publikationen

 

Leitung

binderh.jpg

Prof. Dr. Harald Binder

Machine Learning (insb. Deep Learning)
Integration von molekularen und klinischen Daten

 

Mitglieder

kaier.jpg

Dr. Sara Balduzzi

Metaanalyse
Metaanalyse von diagnostischen Genauigkeitsstudien

bonofiglio.jpg

Dr. Federico Bonofiglio

Maximum-Entropie-Methoden
Mehrstadienmodelle
Synthese von Informationen
Machine Learning (insb. Deep Learning)

broichha.jpg

Caroline Broichhagen

Health Apps
Verteilten Daten
Deep Learning

farhadya.jpg

Kiana Farhadyar

Machine Learning (insb. Deep Learning)
Verteilten Daten
Generative Models

moritz-hess.jpg

Dr. Moritz Hess

Machine Learning (insb. Deep Learning)
Feature Lernen in hochdimensionalen molekulardiagnostischen Daten

koeber.jpg

Dr. Göran Köber

Machine Learning (insb. Deep Learning)
Resilienz und Vulnerabilität
Alters-Perioden-Kohorten Analyse

kaier.jpg

Ewelina Kotwa

STRATOS

lenz.jpg

Stefan Lenz

Algorithmen, mit Schwerpunkt Deep Learning
Softwareentwicklung und API design

ruecker.jpg

Dr. Gerta Rücker

Metaanalyse
Netzwerkmetaanalyse
Metaanalyse von diagnostischen Genauigkeitsstudien

wfs.jpg

Prof. Dr. Willi Sauerbrei

STRATOS

sc.jpg

Dr. Guido Schwarzer

Metaanalyse
Softwareentwicklung

treppner.jpg

Martin Treppner

Deep Generative Models
Design von single cell RNA-seq Experimenten

zoeller.jpg

Dr. Daniela Zöller

Longitudinale Modellierung
Modellierung von klinischen Registerdaten
Modellierung von verteilten Daten