Ausgewählte Publikationen

Menschen realistische Erwartungen und KI-Kompetenz zu vermitteln, kann die Diskussion darüber verbessern, welchen Nutzen und welche Kosten KI-Technologie mit sich bringt, wie und wann sie eingesetzt werden sollte und wie wir uns unsere Zukunft mit KI vorstellen. Für ein breites Publikum geschrieben.

• Kurzfassung (LinkedIn)

Viele Data-Science-Projekte erreichen nie die Produktion. Das liegt nicht nur an technischen Problemen, sondern auch am fehlenden Bezug zu echten geschäftlichen und Nutzerbedürfnissen. Dieser praxisnahe Leitfaden zeigt, wie man ein Data-Science-Projekt plant, präsentiert und umsetzt.

Komplexe Informationen müssen präzise und verständlich vermittelt werden. Dieser 12-seitige Leitfaden soll die Kommunikationsfähigkeiten technischer Fachleute verbessern. Er wurde in erster Linie für Data Scientists geschrieben, die Ergebnisse an unterschiedliche Stakeholder vermitteln müssen, lässt sich aber auch darüber hinaus anwenden.

In dieser Arbeit untersuchen wir Stochastic Segmentation Networks für die Bildsegmentierung. Diese Netze sagen die Segmentierungsunsicherheit vorher, die wir in sinnvolle Komponenten strukturieren. Das fügt eine Ebene der Erklärbarkeit hinzu, die es Menschen erlaubt, die Segmentierung durch individuelles Anpassen dieser Komponenten zu verfeinern.

• Code und Demo

Wir messen die Ähnlichkeit von Wort-Embeddings, indem wir den Hyperlink-Graphen der Wikipedia durchlaufen, der Ähnlichkeiten als Kanten zwischen Artikeln kodiert. Das vermeidet aufwändige, von Menschen erstellte Datensätze und lässt sich naturgemäß auf andere in der Wikipedia verfügbare Sprachen übertragen.

• Code

PCA ist anfällig für fehlerhafte Daten. Ein robuster Ansatz zerlegt eine Datenmatrix in eine niedrigrangige Komponente (Hauptkomponenten) und eine dünnbesetzte Komponente (Störungen). Diese Arbeit zeigt, dass sich die Zerlegung für gruppierte Messungen exakt rekonstruieren lässt, wenn nur die gestörte Matrix gegeben ist.