Arbeitsgruppe Maschinelles Lernen, Fachbereich Informatik (FBI)
-
Die Gruppe für Maschinelles Lernen an der RPTU (ehemals: TU Kaiserslautern) wurde 2017 gegründet. Die Gruppe umfasst derzeit 2 Professoren, 1 Postdoc, 18 Doktoranden, 3 administrative/technische Mitarbeiter und 13 studentische Hilfskräfte. Die Gruppe interessiert sich für Theorie und Algorithmen des statistischen maschinellen Lernens (insbesondere Deep Learning) und dessen Anwendungen. Unsere Forschung deckt ein breites Spektrum an Themen und Anwendungen ab, bei denen wir versuchen, theoretisch bewährte Ansätze (z. B. auf der Grundlage der Lerntheorie) mit den jüngsten Fortschritten (z. B. beim Deep Learning oder Reinforcement Learning) zu vereinen. Zu den Themen, mit denen wir uns beschäftigt haben, gehören unüberwachtes Deep Learning (insbesondere die Erkennung von Anomalien), multimodales Lernen, extreme Klassifizierung, adversariales Lernen, erklärbare KI und Anwendungen von ML in den Biowissenschaften, der mechanischen und chemischen Verfahrenstechnik und der Textanalyse. Mitglieder der Gruppe haben verschiedene Auszeichnungen erhalten, darunter den Google Most Influential Papers Award, die ICML und NIPS Best Reviewer Awards, den ANDEA Test-of-time Award und den Emmy-Noether Career Award (DFG). Die Gruppe trägt mit hilfreichen Beiträgen zur Gemeinschaft bei. Mitglieder der Gruppe haben für mehr als 50 Konferenzen und 30 Fachzeitschriften begutachtet. Sie haben als Mitherausgeber von Zeitschriften (JMLR, TNNLS) und als Fachgebietsleiter von Konferenzen (AAAI, AISTATS und ECML) fungiert. Die Gruppe setzt sich für die Verbesserung der Vielfalt, Gleichberechtigung und Integration im Bereich des ML ein. Dies wird durch den hohen Anteil an Frauen in der Gruppe auf allen Ebenen der akademischen Qualifikation belegt.
Adresse
Rheinland-Pfälzische Technische Universität Kaiserslautern-Landau
Fachbereich Informatik
Arbeitsgruppe Maschinelles Lernen
Gebäude 36, Raum 325
Paul-Ehrlich-Straße 36
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): Representation Learning, Zero-Shot/One-Shot/Few-Shot Learning, Self-Supervised Learning, Adversarial Learning, Reinforcement Learning (RL), Unsupervised Learning, Anomaly Detection, Density Estimation, Feature Engineering/Feature Extraction
- Robotik: Sensorische Erfassung und Perzeption
- Technologieanalyse: Wirtschaftliche Auswirkungen
Anwendungsbezogene Forschung
KI-News
- Meinungen aus Forschung, Wirtschaft und Gesellschaft zum Thema KI: eine Momentaufnahme in Rheinland-Pfalz (31.10.2023)
- KI-Vortragsreihe in Stadtbibliotheken der Region für die interessierte Öffentlichkeit (16.08.2023)
- Prof. Marius Kloft und Kollegen erhalten den ANDEA Test-of-Time Award für die einflussreichste Arbeit auf dem Gebiet der Anomalieerkennung in den letzten zehn Jahren (09.02.2023)
- Deep Learning trotz spärlicher Datenlage: DFG-Forschungsgruppe nimmt Auswertung chemischer Prozessdaten in den Blick (29.09.2022)
KI-Veranstaltungen
- 23.04.2024: Vortrag "Möglichkeiten der KI und deren Auswirkungen auf die Arbeitswelt” von Prof. Dr. Marius Kloft bei der SIAK-Veranstaltung "Arbeitswelt der Zukunft gemeinsam gestalten" (ESF) in Landau
- 20.03.2024: KI-Kongress Rheinland-Pfalz an der RPTU in Kaiserslautern am 20.03.2024 - Arbeitsgruppe Maschinelles Lernen von Prof. Dr. Marius Kloft als Ko-Organisator und Fachbereich Informatik mit weiteren Vortragenden vertreten
- 06.02.2024: Gemeinsamer Vortrag "Möglichkeiten der KI und deren Auswirkungen auf die Arbeitswelt” von Prof. Dr. Marius Kloft und Steffen Reithermann bei der SIAK-Veranstaltung "Arbeitswelt der Zukunft gemeinsam gestalten" (ESF) in Pirmasens
- 23.11.2023: AI Activator Lab der SIAK-Plattform Künstliche Intelligenz mit der Arbeitsgruppe Maschinelles Lernen von Prof. Dr. Marius Kloft als Mitorganisator
- 13.11.2023 - 15.11.2023: Doktoranden-Workshop der DFG-Forschungsgruppe FOR 5359 im Jugendstilhotel Trifels in Annweiler
- 30.10.2023: Prof. Dr. Marius Kloft als Thementisch-Leiter beim Vernetzungsworkshop "KI trifft Biotechnologie – wo Wissenschaft und Unternehmen Zukunft gemeinsam gestalten" der WissKomm Academy und des Ministeriums für Wissenschaft und Gesundheit (MWG) des Landes Rheinland-Pfalz
- 24.10.2023: Arbeitsgruppe Maschinelles Lernen von Prof. Dr. Marius Kloft vertreten beim "Trinationalen Arbeitstreffen zum Thema Künstliche Intelligenz, Innovation und Forschung" am Sitz der Region Grand Est in Straßburg
- 14.09.2023: Kolloquium zur Masterarbeit Eine Analyse der Forschungsschwerpunkte in der Wissenschaft, der Nachfrage durch die Wirtschaft und der Einstellungen in der Gesellschaft zum Themenkomplex KI in Rheinland-Pfalz: Implikationen, Spannungsfelder und Ansatzpunkte für Interventionen
- 05.07.2023: Impulsvortrag von Prof. Dr. Marius Kloft zum Thema Künstliche Intelligenz (KI) bei der Veranstaltung "Wissenschaft für Dich" des Arbeitskreises Wissenschaft der SPD-Landtagsfraktion im Landtag Rheinland-Pfalz
- 29.11.2022: Vortrag "Erkennung von Abweichungen jeglicher Art (Anomalieerkennung)" bei Veranstaltung der KI-Allianz Rheinland-Pfalz in Ludwigshafen
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 - FOR 5359: DFG-Forschungsgruppe KI-FOR FOR 5359: Deep Learning auf dünnbesetzten, chemischen Prozessdaten
Laufzeit: 01.11.2022 - 31.10.2026, Zuwendungsgeber: DFG - DDG: Data-dependency Gap: Ein neues Problem in der Lerntheorie von CNNs
Laufzeit: 17.06.2021 - 16.06.2024, Zuwendungsgeber: DFG - AVATARS: Advanced Virtuality and Augmented Reality Approaches in Seeds to Seeds
Laufzeit: 01.06.2019 - 30.09.2024, Zuwendungsgeber: BMBF
- VorPlanML: Unterstützung der Vorgangsfolgeermittlung in der Arbeitsplanung durch maschinelles Lernen
Laufzeit: 01.05.2021 - 30.04.2023, Zuwendungsgeber: BMBF - KEEN: KI-Inkubator-Labore in der Prozessindustrie; Teilvorhaben: Hybride Stoffdatenmodelle für die Verfahrenstechnik und Maschinelles Lernen aus Prozessdaten
Laufzeit: 01.04.2020 - 31.03.2023, Zuwendungsgeber: BMWi - DeepIntegrate: Integration heterogener Datenquellen im Deep Learning: Architekturen, Algorithmen und Anwendungen in der Pflanzenzüchtung
Laufzeit: 01.01.2019 - 31.12.2021, Zuwendungsgeber: BMBF - BreedPatH: Zuchtwert Mustererkennung in Hybridkulturarten
Laufzeit: 01.09.2016 - 31.01.2020, Zuwendungsgeber: BMBF - Statistisches Lernen aus abhängigen Daten: Lerntheorie, Robuste Algorithmen und Anwendungen: Statistisches Lernen aus abhängigen Daten: Lerntheorie, Robuste Algorithmen und Anwendungen
Laufzeit: 01.01.2015 - 31.12.2023, Zuwendungsgeber: DFG