Die Forschungsgruppe Data Science und ihre Anwendungen (DSA) ist eine Gruppe von Forschern, die geografisch und institutionell verteilt sind, aber unter der Leitung von Professor Sebastian Vollmer vereint sind. Ihr gemeinsames Ziel ist es, Methoden und Werkzeuge der Datenwissenschaft voranzutreiben und sie in industriellen und gesellschaftlich wichtigen Anwendungen einzusetzen.
Unsere Hauptstandorte sind das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI), wo wir die Forschungsabteilung Data Science und ihre Anwendungen bilden, und die Rheinland-Pfälzische Technische Universität Kaiserslautern–Landau (RPTU), wo wir die Gruppe Applied Machine Learning bilden.
Forschung bei DSA
Unsere Gruppe konzentriert sich derzeit auf mehrere Hauptbereiche:
- KI für Gesundheitswesen und öffentliche Politik
- Die Forschungsgruppe hat Methoden des maschinellen Lernens angewendet, um Tools zur Generierung von handlungsrelevanten Erkenntnissen zur Unterstützung der Reaktion der britischen Regierung auf Covid-19 zu entwickeln, die Behandlungsauswahl bei Diabetes zu treffen und Notfallaufnahmen in Schottland vorherzusagen.
- Bayes’sche Methodik und Monte-Carlo-Methoden
- Entwicklung neuartiger Methoden und Erweiterung etablierter theoretischer Arbeiten im Zusammenhang mit maschinellem Lernen.
- Ereignisanalyse
- Die zusammenhängenden Probleme der Messung und Vorhersage von individueller und gesellschaftlicher Gesundheit und Wohlbefinden durch die Verwendung von Längsschnittstudien, Zeitreihen und Überlebensdaten zur Modellierung sowohl direkt beobachtbarer als auch latenter zeitlicher Zustände wie ungünstiger Gesundheitsereignisse.
- Machine Learning in Julia
- Entwicklung des Softwarepakets Machine Learning in Julia (MLJ), einer Modellierungswerkzeugkiste, die eine gemeinsame Schnittstelle und Meta-Algorithmen zum Auswählen, Abstimmen, Evaluieren und Erstellen von zusammengesetzten Modellen bereitstellt.
- Verantwortungsvolle KI
- Moderne Technologien bringen neue Herausforderungen in den Bereichen algorithmische Fairness, Datenschutz und wissenschaftliche Reproduzierbarkeit mit sich. Wir entwickeln Methoden zur Erkennung und Minderung ethischer Probleme in KI-unterstützten Prozessen.
- Data Science for Social Good
- Wir nutzen unser Wissen in diesen Bereichen, um neue Möglichkeiten zur Erzielung von Wirkung zu fördern, durch kurzfristige Zusammenarbeit mit industriellen, gemeinnützigen und akademischen Partnern zur Bewältigung realer Herausforderungen in Programmen, die Schulung und Umsetzung kombinieren.