Michael Färber: Unterschied zwischen den Versionen
He9318 (Diskussion | Beiträge) |
He9318 (Diskussion | Beiträge) |
||
| Zeile 31: | Zeile 31: | ||
---- | ---- | ||
'''Seminar''' "Knowledge Discovery and Data Science" im SS2020 -- hier bewerben: | '''Seminar''' "Knowledge Discovery and Data Science" im SS2020 -- hier bewerben: | ||
| − | * https://portal.wiwi.kit.edu/ys/3340 ( | + | * https://portal.wiwi.kit.edu/ys/3340 (für Master-Studierende) |
| − | * https://portal.wiwi.kit.edu/ys/3341 ( | + | * https://portal.wiwi.kit.edu/ys/3341 (für Bachelor-Studierende) |
| Zeile 68: | Zeile 68: | ||
---- | ---- | ||
| − | '''Seminar''' "Knowledge Discovery and Data Science" | + | '''Seminar''' "Knowledge Discovery and Data Science" in SS2020 -- apply here: |
* https://portal.wiwi.kit.edu/ys/3340 (for Master students) | * https://portal.wiwi.kit.edu/ys/3340 (for Master students) | ||
* https://portal.wiwi.kit.edu/ys/3341 (for Bachelor students) | * https://portal.wiwi.kit.edu/ys/3341 (for Bachelor students) | ||
Version vom 4. März 2020, 22:56 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
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 und auf Google Scholar.
Kürzlich entwickelte und veröffentlichte Online-Demonstrationssysteme:
- PaperHunter: http://paperhunter.net
- ScholarSight: http://scholarsight.org
Kürzlich entwickelte und veröffentlichte Datensätze:
- unarXive: http://unarxive.org
- Microsoft Academic Knowledge Graph: http://ma-graph.org
Seminar "Knowledge Discovery and Data Science" im SS2020 -- hier bewerben:
- https://portal.wiwi.kit.edu/ys/3340 (für Master-Studierende)
- https://portal.wiwi.kit.edu/ys/3341 (für Bachelor-Studierende)
Offene Hiwi-Stelle im Bereich Machine Learning, Natural Language Processing, und/oder Semantic Web Technologies: [1].
Weitere Hiwi-Stelle in Zusammenarbeit mit dem ZKM: [2]
Offene, ausgeschriebene Abschlussarbeitsthemen:
| Titel | |
|---|---|
| Thema4420 | Wie fair sind Forscher? Eine Analyse von Zerrungen bzgl. Zitaten in wissenschaftlichen Publikationen |
| Thema4423 | Automatically Recommending Citations for Texts Using Neural Networks |
| Thema4574 | Deep Learning + Knowledge Graphs |
| Thema4648 | Creating a Large Knowledge Graph about Scientific Publications for Innovation Forecast |
| Thema4772 | GPT-3, BERT & Co.: When to use which language model? |
| Thema4864 | Quantum Computing for Natural Language Processing |
| Thema4909 | Scalable Graph Neural Networks on Knowledge Graphs |
| Thema4910 | Performance Analysis of Graph Neural Diffusion via Fourier Decomposition |
| Thema4939 | Chronik 2050: Automatische Extraktion von erwarteten Ereignissen aus Webseiten |
| Thema4977 | Knowledge Graphs for Robots’ Situational Awareness |
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.
FAIRnets, KB-Statistics, Linked Crunchbase, Novel Triple Extraction
AWARE Ontology, CrunchBase Knowledge Graph, KORE 50^DYWC, Microsoft Academic Knowledge Graph, NewsBias2020, UnarXive, XLiD-Lexica
 |
 |
digilog@bw |
 |
|
|
 |
KIGLIS |
|
|
- 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
Cognition and Information Engineering