Kooperatives Promotionskolleg Data Science und Analytics

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