Stage-oe-small.jpg

Michael Färber: Unterschied zwischen den Versionen

Aus Aifbportal
Wechseln zu:Navigation, Suche
Zeile 11: Zeile 11:
 
|Raum=5A-15
 
|Raum=5A-15
 
|Hinweis DE=Sprechstunde nach Vereinbarung
 
|Hinweis DE=Sprechstunde nach Vereinbarung
|Bild=M_Faerber_2019_large.jpg
 
 
|Info=<br />
 
|Info=<br />
 
Michael Färber ist Postdoc in Prof. Dr. York Sure-Vetter's Web Science-Gruppe am KIT-Institut AIFB seit April 2019.
 
Michael Färber ist Postdoc in Prof. Dr. York Sure-Vetter's Web Science-Gruppe am KIT-Institut AIFB seit April 2019.

Version vom 12. September 2020, 14:46 Uhr

Replace this image.png


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


Forschung

Michael Färbers Forschungsinteressen:

  • Natürliche Sprachverarbeitung (natural language processing),
  • Machinelles Lernen (machine learning) und
  • Wissensrepräsentation (z.B. 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:


Kürzlich entwickelte und veröffentlichte Datensätze:



Offene Stellen & Abschlussarbeiten

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

Offene, ausgeschriebene Abschlussarbeitsthemen:

 Titel
Thema4420Wie fair sind Forscher? Eine Analyse von Zerrungen bzgl. Zitaten in wissenschaftlichen Publikationen
Thema4423Automatically Recommending Citations for Texts Using Neural Networks
Thema4574Deep Learning + Knowledge Graphs
Thema4771Analyzing the Influence of Enterprises and Countries on AI Research
Thema4772GPT-3, BERT & Co.: When to use which language model?
Thema4800Data Science at the Frontline: Wie sich Schlagzeilen vor und nach der Bundestagswahl 2021 bei Google ändern


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.
Viele der Abschlussarbeitsthemen können auch an einer Partnerinstitution im Ausland (z.B. Japan, Italien, Frankreich) geschrieben und vom DAAD gefördert werden, sofern die Bewerbung ein Jahr vorher stattfindet. Mehr Informationen unter Web_Science/DAAD-Stipendium.


Publikationen
Publikationen


Vorträge
Vorträge


Abschlussarbeiten
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
Mediating-machines.png

AI in Peacemaking
Externer Link: https://mediatingmachines.com/

Transparent.png

DataScore
Externer Link: https://datascore.int.kit.edu/

Digilog-logo.png

digilog@bw
Externer Link: https://digilog-bw.de

Transparent.png

KIGLIS

ProData Logo JPG.JPG.png

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

Transper.png

TransPer





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