Arbeitsgruppe Maschinelles Lernen JP, Fachbereich Informatik (FBI)
-
Die Forschungsgruppe unter der Leitung von Sophie Fellenz konzentriert sich auf das Gebiet des Maschinellen Lernens, wobei ein besonderer Schwerpunkt auf Methoden zur Datengenerierung gelegt wird. Dies umfasst Techniken, die in der Lage sind, unterschiedliche Datentypen, wie Texte, Zeitreihen oder andere Formate, zu erzeugen.
Insbesondere wird die Generierung von Texten mithilfe umfangreicher Sprachmodelle erforscht. In diesem Kontext untersucht das Team von Fellenz, wie der Stil und Inhalt eines Textes gezielt manipuliert, verändert und objektiv evaluiert werden können. Ein weiterer Forschungsbereich der Gruppe betrifft die Analyse großer Textmengen. Hierbei kommen Themenmodelle zum Einsatz, die es ermöglichen, die Inhalte von umfangreichen Textsammlungen systematisch zu analysieren und zu strukturieren.
Ein spezifisches Anwendungsgebiet der Forschung von Fellenz und ihrem Team liegt in der chemischen Verfahrenstechnik. Hier konzentrieren sie sich beispielsweise auf chemische Prozesse, bei denen verschiedene Stoffe synthetisiert werden. Diese Prozesse werden kontinuierlich durch eine Vielzahl von Sensoren überwacht. Die aus dieser Überwachung resultierenden umfangreichen Datenmengen werden genutzt, um präzise Prognosen zu erstellen, die dazu beitragen können, die Effizienz und Sicherheit der chemischen Produktion zu erhöhen.Adresse
Rheinland-Pfälzische Technische Universität Kaiserslautern-Landau
Fachbereich Informatik
Arbeitsgruppe Maschinelles Lernen JP
RPTU in Kaiserslautern, Arbeitsgruppe Maschinelles Lernen
Gebäude 36, Raum 325
Gottlieb-Daimler-Straße
67663 Kaiserslautern
0631 205 2635, 0631 205 3286
ml@cs.uni-kl.de
https://ml.informatik.uni-kl.de/
Leitend Forschende
Besondere Expertise
Grundlagenforschung
- Machine Learning (ML): Self-Supervised Learning, Reinforcement Learning (RL), Unsupervised Learning, Feature Engineering/Feature Extraction
- Technologieanalyse: Soziologische Aspekte, Mensch-KI-Interaktion
Anwendungsbezogene Forschung
KI-News
- Deutscher Bibliotheksverband e.V. (dbv) lädt Frau Jun.-Prof. Dr. Sophie Fellenz (RPTU Kaiserslautern-Landau) ein (14.06.2023)
- Sophie Fellenz spricht über ChatGPT und die Relevanz von Künstlicher Intelligenz im Bildungsbereich (27.04.2023)
- Online-Artikel zum Thema ChatGPT in der Lehre und im Unterricht (02.03.2023)
KI-Veranstaltungen
- 19.02.2024 - 20.02.2024: Vortrag "Potenziale von künstlicher Intelligenz in öffentlichen Bibliotheken" von Jun.-Prof. Dr. Sophie Fellenz beim Workshop "Zukunft im Blick - Workshop der hauptamtlich geleiteten öffentlichen Bibliotheken in RLP" des Landesbibliothekszentrums (LBZ) in Mainz
- 13.12.2023 - 15.12.2023: Lehrerfortbildung in Informatik - Vortrag "Themen- und Sprachmodelle: Maschinelles Lernen auf Textdaten" von Jun.-Prof. Dr. Sophie Fellenz
- 19.10.2023: Impulsvortrag und Workshop zu Möglichkeiten der Nutzung Künstlicher Intelligenz im bibliothekarischen Umfeld
- 13.10.2023: Vortrag von Jun.-Prof. Sophie Fellenz zum Thema ChatGPT bei der Summer School Studium & Lehre "Von Menschen und ihren Maschinen - KI in der Hochschullehre"
- 25.05.2023: Talk on ChatGPT in the University Classroom: Opportunities, Challenges, and Best Practices by Jun.-Prof. Dr. Sophie Fellenz, Machine Learning Group, University of Kaiserslautern-Landau (RPTU)
KI-Forschungsprojekte
- AICare: Künstliche Intelligenz zur Behandlung von Krebstherapieresistenz
Laufzeit: 01.04.2024 - 31.03.2030, Zuwendungsgeber: Carl-Zeiss-Stiftung - Hypo: Multifunktionale Hochleistungskomponenten aus hybriden porösen Werkstoffen
Laufzeit: 01.04.2024 - 31.03.2028, Zuwendungsgeber: DFG - Reinforcement Learning für Gruppenbeitragsmethoden
Laufzeit: 01.01.2024 - 31.12.2024, Zuwendungsgeber: Carl-Zeiss-Stiftung - FOR 5359: DFG-Forschungsgruppe KI-FOR FOR 5359: Deep Learning auf dünnbesetzten, chemischen Prozessdaten
Laufzeit: 01.11.2022 - 31.10.2026, Zuwendungsgeber: DFG - TTK2C: Translation von thermodynamischem Wissen auf Computer
Laufzeit: 01.01.2021 - 31.12.2024, Zuwendungsgeber: DFG - SeDis: Semantic Disentanglement: Unterscheidung von Stil und Thema in Textdaten
Laufzeit: 01.06.2020 - 31.05.2024, Zuwendungsgeber: BMBF - ML+PM: Maschinelles Lernen und physikalische Modellierung
Laufzeit: 01.01.2020 - 31.12.2025, Zuwendungsgeber: Carl-Zeiss-Stiftung