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.
Leitung
- Machine Learning (insb. Deep Learning)
- Integration von molekularen und klinischen Daten
Small Data Lab
- Deep Generative Models
-
Analysis for Cellular and Molecular Data
- Machine Learning (insb. Deep Learning)
- Machine Learning (insb. Deep Learning)
- Verteilten Daten
- Deep Generative Models
- Machine Learning (insb. Deep Learning)
- Neural Differential Equations
- Generative Modelle
- Machine Learning (insb. Deep Learning)
- Feature Lernen in hochdimensionalen molekulardiagnostischen Daten
- Machine Learning (insb. Deep Leraning)
- Deep Generative Models
AG Meta-Analyse
- Metaanalyse
- Netzwerkmetaanalyse
- Metaanalyse
- Netzwerkmetaanalyse
- Metaanalyse
- Netzwerkmetaanalyse
- Softwareentwicklung
- Methoden der Metaanalyse
- Metaanalyse
- Netzwerkmetaanalyse
- Metaanalyse von diagnostischen Genauigkeitsstudien
- Metaanalyse
- Softwareentwicklung
AG STRATOS
- STRATOS
- Multivariable Modellbildung in Regressionsmodellen
- Modellstabilität und Shrinkage
- Simulationsstudien
Alumni
Dr. Sara Balduzzi
- Meta-Analysis
- Meta-Analysis of Diagnostic Accuracy Studies
Federico Bonofiglio
Caroline Broichhagen
Stefan Lenz
- Algorithms, (esp. in the Field of Deep Learning)
- Software Development and API Design
- Machine Learning (insb. Deep Learning)
- Resilienz und Vulnerabilität
- Alters-Perioden-Kohorten Analyse