Heinrich-Heine-Universität Düsseldorf

Laufende Projekte:

• grAdapt: Gradient-Adaptation for Black-Box Optimization

Forschungsinteressen:

• Explainable AI
• Fairness in Machine Learning
• Black-Box/Stochastic Optimization
• Evolutionary Algorithms
• Machine Learning
• Deep Learning
• Generative Models
• Biomedizinische Anwendungsgebiete/Daten

Lehre:

• WS 2020: Relational Databases and Data Analysis
• WS 2020: Einführung in Datenbanken
• WS 2020: Vorkurs Informatik
• SS 2020: Theoretische Informatik
• SS 2020: Vorkurs Informatik
• WS 2019: Datenbanksysteme
• WS 2019: Vorkurs Informatik
• SS 2019: Numerik
• WS 2018: Computergestützte Lineare Algebra
• SS 2018: Einführung in Rechnernetze, Datenbanken und Betriebssysteme
• SS 2017: Einführung in Rechnernetze, Datenbanken und Betriebssysteme

Betreute Abschlussarbeiten:

Bachelorarbeiten:
• Fairness-Aware Machine Learning: Student Performance Prediction Based on Demographic Data
• Explainable AI: Predicting Students’ Academic Performance
• Explainable AI Model for Heart Attack Prediction and Analysis


Projektarbeiten:
• De novo drug design für SARS-CoV-2 mit generativen Modellen und stochastischer Optimierung
• Vergleich von verschiedenen Fairness Kriterien in Bezug auf die Vorhersage studentischer Leistungen (Meta-Vergleich mehrerer Datensätze)
• Meta Vergleich von Feature Importance in Bezug auf die Vorhersage studentischer Leistungen anhand mehrerer Datensätze

Bachelorarbeiten:
• Vergleich von inkrementellen Lernverfahren für Gauß Prozess Regression (Bachelorarbeit)

Projektarbeiten:
• Evaluation von Bayesian Optimization auf COCO Benchmark (BBOB) (Projektarbeit)
• Kernelselektionsmethoden für Gauß Prozess Regression (Projektarbeit)

Masterarbeiten:

Bachelorarbeiten:
• Explainable AI on Machine Learning-assisted Diagnosis for Knee MRI Scans

Projektarbeiten:

Masterarbeiten: