Jun.-Prof. Dr. Sophie Fellenz
-
Seit 2020 ist Sophie Fellenz Juniorprofessorin für Maschinelles Lernen an der RPTU im Fachbereich Informatik. Davor war sie Gruppenleiterin an der Johannes Gutenberg Universität in Mainz und PostDoc in the Gruppe von Stefan Kramer. Sie promovierte 2018 an der Uni Mainz bei Stefan Kramer und erlangte 2013 einen Magisterabschluss in Philosophie und Informatik mit einer Arbeit zu mentaler Repräsentation.
Kontakt
-
Jun.-Prof. Dr. Sophie Fellenz
Rheinland-Pfälzische Technische Universität Kaiserslautern-Landau
Fachbereich Informatik
Arbeitsgruppe Maschinelles Lernen JP
Gebäude 36, Raum 325
Gottlieb-Daimler-Straße
67663 Kaiserslautern
0631 205 2635, 0631 205 3286
ml@cs.uni-kl.de
Jun.-Prof. Dr. Sophie Fellenz
fellenz@cs.uni-kl.de
0631 205 3264
Veröffentlichungen
Grundlagenforschung
Sophie Fellenz interessiert sich für probabilistische Methoden des maschinellen Lernens mit Anwendungen, die von Textdaten wie Themenmodellen bis hin zu Zeitreihendaten reichen. Sie arbeitet außerdem an generativen Modellen und tiefen generativen Modellen im Allgemeinen. In letzter Zeit interessiert sie sich auch dafür, Wissen in neuronale Modelle zu integrieren, beispielsweise in Form physikalischer Gleichungen. Dies führt zu sogenannten hybriden oder Grey-Box-Modellen, bei denen datengetriebene Modelle mit Expertenwissen kombiniert werden. Ihre Promotion beschäftigte sich mit Themenmodellen, Multi-Label-Klassifikation, nichtparametrischen Bayes'schen Modellen und Online-Modellen.
Anwendungsbezogene Forschung
Textdaten, Zeitreihendaten, Anwendungen aus der chemischen Verfahrenstechnik, scRNA Daten
Gutachtende Tätigkeiten
- BMBF
- DAAD
- NeurIPS
- ICML
- ICLR
- AISTATS
- AAAI
- ECML
Erhaltende Auszeichnungen, Preise, Ehrungen
PRIME Research Stipendium
Besondere Expertise
Grundlagenforschung
- Machine Learning (ML): Self-Supervised Learning, Reinforcement Learning (RL), Unsupervised Learning, Anomaly Detection, Feature Engineering/Feature Extraction
- Technologieanalyse: Soziologische Aspekte, Wirtschaftliche Auswirkungen, 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
- PIAD: Physik-informierte Anomalieerkennung
Laufzeit: 01.11.2024 - 31.10.2027, Zuwendungsgeber: BMBF - 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- ML+PM: Maschinelles Lernen und physikalische Modellierung
Laufzeit: 01.01.2020 - 31.12.2025, Zuwendungsgeber: Carl-Zeiss-Stiftung
- Reinforcement Learning für Gruppenbeitragsmethoden
Laufzeit: 01.01.2024 - 31.12.2024, Zuwendungsgeber: Carl-Zeiss-Stiftung - 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