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

Prof. Dr. Harald Binder

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

Mitglieder

	Dr. Sara Balduzzi	Metaanalyse Metaanalyse von diagnostischen Genauigkeitsstudien
	Dr. Federico Bonofiglio	Maximum-Entropie-Methoden Mehrstadienmodelle Synthese von Informationen Machine Learning (insb. Deep Learning)
	Caroline Broichhagen	Health Apps Verteilten Daten Deep Learning
	Kiana Farhadyar	Machine Learning (insb. Deep Learning) Verteilten Daten Generative Models
	Dr. Moritz Hess	Machine Learning (insb. Deep Learning) Feature Lernen in hochdimensionalen molekulardiagnostischen Daten
	Dr. Göran Köber	Machine Learning (insb. Deep Learning) Resilienz und Vulnerabilität Alters-Perioden-Kohorten Analyse
	Ewelina Kotwa	STRATOS
	Stefan Lenz	Algorithmen, mit Schwerpunkt Deep Learning Softwareentwicklung und API design
	Dr. Gerta Rücker	Metaanalyse Netzwerkmetaanalyse Metaanalyse von diagnostischen Genauigkeitsstudien
	Prof. Dr. Willi Sauerbrei	STRATOS
	Dr. Guido Schwarzer	Metaanalyse Softwareentwicklung
	Martin Treppner	Deep Generative Models Design von single cell RNA-seq Experimenten
	Dr. Daniela Zöller	Longitudinale Modellierung Modellierung von klinischen Registerdaten Modellierung von verteilten Daten