Datenmanagement und maschinelles Lernen
Eine der zentralen Herausforderungen unserer Zeit ist die Verwaltung und Gewinnung von Erkenntnissen aus riesigen Datenmengen durch ein neues Forschungsparadigma, das oft als "Data Science" bezeichnet wird. Im Kern besteht Data Science vor allem aus Datenmanagement und maschinellem Lernen – zwei Bereichen, die im Departement gut vertreten sind und in denen die Forschenden intensiv zusammenarbeiten. Die Forschungsarbeit der Professorenschaft deckt alle Aspekte der Datenwertschöpfungskette ab: die Erzeugung und Erfassung von Daten, die Datenorganisation und -speicherung, die Datenverarbeitung und das Lernen aus Daten, um Vorhersagen und Entscheidungen zu treffen.
Gustavo Alonso
Ordentlicher Professor
Webseite
Datenbanken, Verteilte Systeme, Enterprise Computing, Systemaspekte von Programmiersprachen, Multicore, FPGAs
Valentina Boeva
Assistenzprofessorin
externe Seite Webseite
Bioinformatik, Algorithmen für biomedizinische Datenanalyse, Genominformatik, Epigenetik, Krebsforschung, Maschinelles Lernen
Ryan Cotterell
Assistenzprofessor
externe Seite Webseite
Natural Language Processing, Computerlinguistik, maschinelles Lernen
Niao He
Assistenzprofessorin
Webseite
Umfassende Optimierung, Maschinelles Lernen, Bestärkendes Lernen, Probabilistische Inferenz
Torsten Hoefler
Ordentlicher Professor
Webseite
Effiziente und sichere Architektur und Vernetzung von Rechenzentren, Cloud Computing, Klimasimulationen, hochskalierendes maschinelles Lernen, Quanten- und Hochleistungsrechnen
Thomas Hofmann
Ordentlicher Professor
Webseite
Maschinelles Lernen, Sprachverstehen, Informationsabfrage, Nutzeranalysen
Marc Pollefeys
Ordentlicher Professor
Webseite
Computer Vision, 3D-Modellierung, robotische Wahrnehmung, Computergrafik, Maschinelles Lernen
Markus Püschel
Ordentlicher Professor
Webseite
Programmgenerierung, Signalverarbeitung, Leistungsoptimierung, Programmanalyse, Domain Specific Languages, Maschinelles Lernen, FPGAs
Mrinmaya Sachan
Assistenzprofessor
externe Seite Webseite
Maschinelles Lernen für die Verarbeitung natürlicher Sprache, Wissensentdeckung und Beweisführung
Bernhard Schölkopf
Ordentlicher Professor
Webseite
Maschinelles Lernen, kausale Inferenz, Wissenschaftsanwendungen
David Steurer
Ausserordentlicher Professor
externe Seite Webseite
Komplexitätstheorie, approximative Algorithmen, konvexe Optimierung, Parameter Abschätzung, Tensor Methoden
Zhendong Su
Ordentlicher Professor
Webseite
Compiler, Programmiermethoden und -werkzeuge, testen, analysieren, verifizieren, Software-Sicherheit, Maschinelles Lernen, Bildungstechnologien
Fanny Yang
Assistenzprofessorin
Webseite
Maschinelles Lernen (Theorie und Zuverlässigkeit), nichtparametische und hochdimensionale Statistik, Optimierung