• Direkt zur Hauptnavigation
  • Direkt zum Inhalt
  • Direkt zum Funktionsmenü (Sprache, Drucken, Social Media)
  • Direkt zur Fußleiste
  • Direkt zur Suche
Kooperatives Promotionskolleg Data Science und Analytics
Logo der Universität Ulm
Menü
  • Kooperatives Promotionskolleg Data Science und Analytics
  • Das Promotionskolleg
    • Das Promotionskolleg
    • Aktuelles
      • Aktuelles
      • Aktuelles aus dem KPK
    • Personen
      • Personen
      • Beteiligte Professoren
      • Stipendiaten
    • Projekte
      • Projekte
      • P1: Datenbasierte Modellierung und Modellreduktion
      • P2: Data Science für medizinische Therapieinnovationen: von bayesianischer Entscheidungsfindung zu kausaler Ereigniszeitanalyse
      • P3: Nutzer*innenzentrierte Entwicklung und Evaluation von XAI-Methoden
      • P4: Wie entscheiden Neuronale Netze?
      • P5: Intelligente Steuerung von Speichern zur Netzstabilisierung
      • P6: Erklärung von Klassifikatiosentscheidungen hybrider Systeme
      • P7: Datengetriebene Erfassung, Analyse, Erklärung und Behandlung von Diskrepanzen zwischen digitalen Workflows und Realweltprozessen
      • P8: Erklärbarkeit bei komplexitätsreduzierten maschinellen Lernverfahren
      • P9: Serviceroboter mit vertrauenswürdigen situativen Entscheidungen
      • P10: Zuverlässige Bewertung von medizintechnischen Zeitreihen
      • P11: Verbesserung von automatisiertem Maschinellem Lernen durch Erklärbarkeitsmethoden
      • P12: Integration, Evolution und Wartbarkeit von Modellen des Maschinellen Lernens im produktiven Einsatz
  • Bewerbung
    • Bewerbung
    • Hinweise zur Bewerbung
    • Ausschreibung
Sie sind hier:
  • Kooperatives Promotionskolleg Data Science und Analytics
  • Das Promotionskolleg
  • Projekte
    • FB
    • T
    • @
  • EN
  • Druck
  • Top

P1: Datenbasierte Modellierung und Modellreduktion

P2: Data Science für medizinische Therapieinnovationen: von bayesianischer Entscheidungsfindung zu kausaler Ereignisanalyse

P3: Nutzer*innenzentrierte Entwicklung und Evaluation von XAI-Methoden

P4: Wie entscheiden Neuronale Netze?

P5: Intelligente Steuerung von Speichern zur Netzstabilisierung

P6: Erklärungen von Klassifikationsentscheidungen hybrider Systeme

P7: Datengetriebene Erfassung, Analyse, Erklärung und Behandlung von Diskrepanzen zwischen digitalen Workflows und Realweltprozessen

P8: Erklärbarkeit bei komplexitätsreduzierten maschinellen Lernverfahren

P9: Serviceroboter mit vertrauenswürdigen situativen Entscheidungen Projektbeschreibung

P10: Zuverlässige Bewertung von medizintechnischen Zeitreihen

P11: Verbesserung von automatisiertem Maschinellem Lernen durch Erklärbarkeitsmethoden

P12: Integration, Evolution und Wartbarkeit von Modellen des Maschinellen Lernens im produktiven Einsatz

  • Universität

    • A–Z
    • Lagepläne Campus
    • Presse
    • Stellenangebote
    • Veranstaltungskalender der Uni Ulm
    • Telefonverzeichnis
  • Rechtliche Hinweise

    • Impressum
    • Datenschutz
    • Erklärung zur Barrierefreiheit
    • Gebärdensprache
    • Leichte Sprache
  • Inhaltlich verantwortlich für diese Seite:
    https://www.uni-ulm.de/index.php?id=127327
    Prof. Karsten Urban
    Zuletzt bearbeitet:
    27. Oktober 2022
    FB T YT I linkedin xing
Logo: Zertifikat seit 2008 – Audit familiengerechte Hochschule
Logo: Weltoffene Hochschulen – Gegen Fremdenfeindlichkeit
© 2023 Universität Ulm | Ulm University