UPB Bildmarke
Institut für Informatik
Kontakt
  • Deutsch
  • English
  • Studieninteressierte
    • Seite "Studium" öffnen
    • Unsere Studiengänge
    • Beratungs - und Unterstützungsangebote
    • Studienbüro
    • Prüfungsangelegenheiten
    • FAQs
    • Seite "Forschung" öffnen
    • Unsere Forschung
    • Professor*innen und ihre Fachgebiete
    • Distinguished lectures
    • Seite "Institut" öffnen
    • Organisation
    • Professor*innen und ihre Fachgebiete
    • Einrichtungen, Gremien und Beauftragte
    • Offene Stellen
    • Informatik Rechnerbetrieb / IRB
  1. Fakultät für Elektrotechnik, Informatik und Mathematik
  2. Institut für Informatik

In­for­ma­tik News

Zurück zur News-Liste

“All Day Re­sea­rch” Pod­cast: 34. Fol­ge mit Prof. Dr. Hei­ke Traut­mann

02.04.2024  |  EIM-Nachrichten,  CS-Nachrichten

Beitrag teilen auf:

  • Teilen auf Instagram
  • Teilen auf Twitter
  • Teilen auf Facebook
  • Teilen auf Xing
  • Teilen auf LinkedIn
  • Teilen über E-Mail
  • Link kopieren

In der 34. Folge des „All Day Research“ Podcasts begrüßen wir Prof. Dr. Heike Trautmann, die mit unserem Moderator Marvin Beckmann über data stream mining, maschinelles Lernen und Optimierungen spricht.

Prof. Dr. Heike Trautmann studierte Statistik an der Universität Dortmund und war zehn Jahre lang in der Wirtschaftsinformatik an der Universität Münster tätig, bevor sie 2023 zu uns an die Universität Paderborn kam. Hier ist sie Professorin für maschinelles Lernen und Optimierung in der Informatik. „Der umfassendste Begriff ist im Bereich […] vertrauenswürdige künstliche Intelligenz, das hat viel mit Verlässlichkeit und Robustheit […] zu tun.“ fasst Prof. Dr. Heike Trautmann den größten Bereich Ihrer Arbeit zusammen.

Um eine solche vertrauenswürdige künstliche Intelligenz zu schaffen, bedarf es eines maschinellen Lernprozesses, wobei sich die Forschenden viel mit textuellen und statistischen Daten beschäftigen. Sie versuchen dabei diesen Datenstrom auf das wesentliche zu reduzieren und dann die gewonnenen Daten zu verwerten (data stream mining). „Der große Unterschied [zu festen Datensätzen] ist, es ist ein Datenstrom, es sind kontinuierliche Daten. […] Die kommen so, wie sie [zum Beispiel durch Sensoren] gemessen werden.“ Erklärt Prof. Dr. Heike Trautmann den Begriff. Solche Daten können dann zum Beispiel von Social Media Plattformen kommen. Die Herausforderung liegt dann darin, aus der sehr großen Menge von sich wandelnden Daten, Kampagnen und Bots algorithmisch zu erkennen.

Hören Sie jetzt die 34. Folge des „All Day Research” Podcast, überall dort, wo es Podcast gibt oder auf der Institutsseite.

Ihnen gefällt der „All Day Research“ Podcast? Dann lassen Sie gerne eine Bewertung da.
Letzte Folge verpasst? Keine Sorge, alle Folgen sind ebenfalls auf der Institutsseite zu finden.

Download (621 KB)

Institut für Informatik

Warburger Str. 100
33098 Paderborn
Deutschland

Universität Paderborn

Warburger Str. 100
33098 Paderborn
Deutschland

Telefon Universität

+49 5251 60-0
Rechtliches
  • Impressum
  • Datenschutz
  • Hinweisgebersystem
Soziale Netzwerke