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:

• Explainable AI on Machine Learning-assisted Diagnosis for Knee MRI Scans (Bachelorarbeit)
• Vorhersage studentischer Leistungen anhand von demographischen Daten und Leistungsdaten unter Berücksichtigung von Fairness mithilfe mehrerer Klassifikatoren (Bachelorarbeit)
• De novo drug design für SARS-CoV-2 mit generativen Modellen und stochastischer Optimierung (Projektarbeit, Masterarbeit)

• Vergleich von verschiedenen Fairness Kriterien in Bezug auf die Vorhersage studentischer Leistungen (Projektarbeit)
• Meta Vergleich von Feature Importance in Bezug auf die Vorhersage studentischer Leistungen anhand mehrerer Datensätze (Projektarbeit)
• Erklärbares Machine Learning Modell für die Vorhersage studentischer Leistungen (Bachelorarbeit)
• Vergleich von inkrementellen Lernverfahren für Gauß Prozess Regression (Bachelorarbeit)
• Evaluation von Bayesian Optimization auf COCO Benchmark (BBOB) (Projektarbeit)
• Kernelselektionsmethoden für Gauß Prozess Regression (Projektarbeit, Masterarbeit)