Datenlabor
Datenlabor für Maschinelles Lernen
DataSphere@JMUW
Labor mit GPU/CPU Rechencluster als Coworking Space für Anwender von Methoden des Maschinellen Lernens
Das interdisziplinäre Datenlabor Datasphere@JMUW stellt einen Treffpunkt für Forschende auf dem Gebiet des Maschinellen Lernens in den datenintensiven Wissenschaften dar. Der Zugang zum Datenlabor ist nach Absprache möglich (Anmeldung per Email an den Lehrstuhlinhaber). In unregelmäßigen Abständen treffen sich ML-Forschende in einem Seminar, um ihre Projekte vorzustellen. Für das Datenlabor wurden ein Moodle-Kurs auf WueCampus und ein Slack-Workspace eingerichtet (data-lab-astrowue).
| Termin | Sprecher | Thema |
| 07.03.2019 | Paul Ray Burd | Radio frequency interference filtering with LSTM cells |
| 25.07.2019 | Martin Blaimer | Magnetic-Resonance-Imaging (MRI): Sequence optimization with Machine Learning |
| 20.02.2020 | Peter Dawood | Neural Networks for Magnetic Resonance Imaging Reconstructions |
Rick Seifert | DeepCLEM: automated Registration of correlative light- and electron microscopy Images with convolutional neural networks | |
| 27.02.2020 | Jannik Stebani | Enhancing quantitative Magnetic Resonance Fingerprinting via deep neural nets |
| Andreas Berberich | Generative Adversarial Networks for single-molecule localization microscopy | |
| Thursday 11-13 | All | Weekly datalab workshop for informal discussions among machine-learning practicioners (Zoom-Meeting, ask Paul Burd for meeting ID and pwd) |
03.12.2020 | Karl Mannhiem | opening words (2.15 p.m. - 2.30 p.m.) |
Thorsten Feichtner | Evolutionary optimization of optical antennas (abstract) (2.30 p.m. - 3.15 p.m.) | |
| Sebastian Reinhard | An approach to combine compressed sensing and neuronal networks in single-molecule localization microscopy (abstract) (3.15 p.m. - 4.00 p.m.) | |
| 18.03.2021 | Elisabeth Fischer | Integrating Keywords into BERT4Rec for Sequential Recommendation (abstract) |
| Padraig Davidson | Anomaly Detection in Beehives using Deep Recurrent Autoencoders (abstract) | |
| Michael Steininger | ConvMOS: Climate Model Output Statistics with Deep Learning (abstract) | |
04.11.2021 | Luca Kohlhepp | ML driven RFI filtering (abstract) |
| Sebastian Förtsch | Applied Earth Observation (abstract) |
