Michael Färber: Unterschied zwischen den Versionen
Aus Aifbportal
He9318 (Diskussion | Beiträge) |
He9318 (Diskussion | Beiträge) |
||
Zeile 11: | Zeile 11: | ||
|Raum=5A-15 | |Raum=5A-15 | ||
|Hinweis DE=Sprechstunde nach Vereinbarung | |Hinweis DE=Sprechstunde nach Vereinbarung | ||
− | |Bild=M Faerber.jpg | + | |Bild=M Faerber 2019.jpg |
|Info=Neu: [[Media:HiWi-Ausschreibung_BMW_2019.pdf|offene Hiwi-Stelle im Bereich Text Mining]]. | |Info=Neu: [[Media:HiWi-Ausschreibung_BMW_2019.pdf|offene Hiwi-Stelle im Bereich Text Mining]]. | ||
Version vom 5. September 2019, 15:04 Uhr
-
Dr. Michael Färber
- Wissenschaftlicher Mitarbeiter
- Tel.:+49 721 608 465 92
- Email: michael faerber∂kit edu
- Raum: 5A-15 (Geb. 05.20)
- Forschungsgruppe: Web Science
- Sprechstunde nach Vereinbarung
- vCard
Neu: offene Hiwi-Stelle im Bereich Text Mining.
Offene, ausgeschriebene Abschlussarbeitsthemen:
Titel | |
---|---|
Thema4420 | Wie fair sind Forscher? Eine Analyse von Zerrungen bzgl. Zitaten in wissenschaftlichen Publikationen |
Thema4421 | Implementing an Approach for Linking Text to the Knowledge Graph Wikidata |
Thema4423 | Automatically Recommending Citations for Texts Using Neural Networks |
Thema4554 | Google, Microsoft, & Co. – How Big is the Influence of Enterprises on Computer Science Research? |
Thema4574 | Deep Learning + Knowledge Graphs |
Thema4742 | Übersicht über aktuelle Forschung zu Verzerrungen in der Wissenschaft |
Anfragen zu weiteren Abschlussarbeitsthemen zu Themen wie
- Natural Language Processing (NLP) / Text Mining
- Angewandtes Machine Learning
- Semantic Web / Linked Data
- Big Data
- Data Science
gerne willkommen.
Kürzlich entwickelte und veröffentlichte Demo-Systeme:
- PaperHunter: http://paperhunter.net
- ScholarSight: http://scholarsight.org
Publikationen
Vorträge
Abschlussarbeiten
Tools
FAIRnets, KB-Statistics, Linked Crunchbase, Novel Triple Extraction
Datasets
CrunchBase Knowledge Graph, KORE 50^DYWC, Microsoft Academic Knowledge Graph, NewsBias2020, UnarXive, XLiD-Lexica
Aktive Projekte
AI in Peacemaking |
DataScore |
digilog@bw |
ProData |
Forschungsgebiete
- Semantische Suche, Wissensrepräsentation, Maschinelles Lernen, Text Mining, Semantische Annotation, Informationsextraktion, Natürliche Sprachverarbeitung, Digitale Bibliotheken, Knowledge Discovery, Data Mining, Künstliche Intelligenz, Data Science, Semantic Web, Trustworthy AI
KIT Funktionen und Kompetenzfelder
Cognition and Information Engineering