Home |  ENGLISH |  Kontakt |  Impressum |  Datenschutz |  Anmelden |  KIT

Michael Färber

Aus Aifbportal

Wechseln zu: Navigation, Suche
M Faerber 2019.jpg

Dr. Michael Färber

Wissenschaftlicher Mitarbeiter
Tel.:+49 721 608 465 92
Email: michael faerber∂kit edu


Forschungsgruppe: Web Science
Raum: 5A-15 (Geb. 05.20)

Sprechstunde nach Vereinbarung

vCard



Michael Färber ist Postdoc in Prof. Dr. York Sure-Vetter's Web Science-Gruppe am Institut AIFB des KITs seit April 2019.

Michael Färbers Forschungsinteressen liegen in den Bereichen

  • Natürliche Sprachverarbeitung (natural language processing),
  • Machinelles Lernen (machine learning) und
  • Semantic Web.

Seine momentaner Forschungsschwerpunkt liegt im Bereich scholarly data mining. Mehr Informationen finden sich auf seiner Homepage and auf Google Scholar.

Kürzlich entwickelte und veröffentlichte Online-Demonstrationssysteme:

Kürzlich entwickelte und veröffentlichte Datensätze:



Offene Hiwi-Stelle im Bereich Machine Learning, Natural Language Processing, und/oder Semantic Web Technologies: [1].

Offene, ausgeschriebene Abschlussarbeitsthemen:

 Titel
Thema4237Creating a Knowledge Graph for the ZKM (Zentrum für Kunst und Medien)
Thema4420Wie fair sind Forscher? Eine Analyse von Zerrungen bzgl. Zitaten in wissenschaftlichen Publikationen
Thema4421Implementing an Approach for Linking Text to the Knowledge Graph Wikidata
Thema4423Automatically Recommending Citations for Texts Using Neural Networks
Thema4480Entwicklung einer Suchmaschine für Datensätze
Thema4482How Do Successful Startups Look Like? Analyzing an RDF Dataset About Startups and Tech Companies
Thema4485Linking Text to Knowledge Graphs at the BMW Group
Thema4520Learning Machine Learning-based Embeddings for Entities, States, and Events

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.


Publikationen
Publikationen



Tools

KB-Statistics, Novel Triple Extraction


Datasets

CrunchBase Knowledge Graph, Microsoft Academic Knowledge Graph, UnarXive, XLiD-Lexica


Aktive Projekte
ProData Logo JPG.JPG.png

ProData
Externer Link: http://www.pro-data.org





Forschungsgebiete
Semantische Suche, Maschinelles Lernen, Text Mining, Semantische Annotation, Informationsextraktion, Natürliche Sprachverarbeitung, Knowledge Discovery, Künstliche Intelligenz, Data Science, Semantic Web


KIT Funktionen und Kompetenzfelder

Cognition and Information Engineering