#Machine Learning

Durch Machine Learning lernen künstliche Systeme – ähnlich wie Menschen – aus Erfahrung. Das lässt sich in Forschung und Praxis zu verschiedensten Anwendungen einsetzen – zum Beispiel zur Analyse medizinischer Daten oder zur Abwehr von IT-Angriffen.

Projekte

Plant Monitoring AI

Maschinelles lernen und automatische Vorhersagemodelle zur Früherkennung von Pflanzenstress für eine höhere Nachhaltigkeit in der Landwirtschaft

Data Science Bootcamp

Weiterbildung von unternehmensinternen Expert*innen zu Data Scientists die in der Lage sind abzuwägen, wie Verfahren der künstlichen Intelligenz am besten eingesetzt werden

Publikationen

Slijepcevic, D., Zeppelzauer, M., Schwab, Caterine, Raberger, A.-M., Breitender, C., & Horsak, B. (2020). Input Representations and Classification Strategies for Automated Human Gait Analysis. Gait & Posture, 76, 198–203. https://doi.org/https://doi.org/10.1016/j.gaitpost.2019.10.021
Horsak, B., Dumphart, B., Slijepcevic, D., & Zeppelzauer, M. (2020). Explainable Artificial Intelligence (XAI) und ihre Anwendung auf Klassifikationsprobleme in der Ganganalyse. In Abstractband des 3. GAMMA Kongress. München, Deutschland.
Koch, D., Despotovic, M., Thaler, S., & Zeppelzauer, M. (2020). Estimating Graduate Density in Satellite Images - A Machine Learning Approach. Elsevier Computers, Environment and Urban Systems, Submitted.
Oliveira, V. A. D. J., Stoiber, C., Grüblbauer, J., Musik, C., Ringot, A., & Gebesmair, A. (2020). SAMBAVis: Design Study of a Visual Analytics Tool for the Music Industry Powered by YouTube Comments (p. 5). Presented at the Eurovis 2020, Norrköping, Sweden.
Horsak, B., Slijepcevic, D., Raberger, A.-M., Schwab, C., Worisch, M., & Zeppelzauer, M. (2020). GaitRec, a large-scale ground reaction force dataset of healthy and impaired gait. Scientific Data, 7(1), 143. https://doi.org/10.1038/s41597-020-0481-z
Eresheim, S. (2020). Reinforcement Learning for Incident Protection in IT. Presented at the First Conference on Mathematics of Data Science (MDS20).
Eresheim, S. (2020). Cybersecurity Containment Agent. Presented at the Machine Learning Prague 2020.
Luh, R., & Schrittwieser, S. (2019). Advanced threat intelligence: detection and classification of anomalous behavior in system processes. E \& i Elektrotechnik Und Informationstechnik, Springer, 1–7.
Pirker, M. (2019, November). More Data - More Security? Invited Talk presented at the TOP Alumni Club, TU Wien.
Pirker, M. (2019, October). Digitale Probleme....für Alle! Presented at the PrivacyWeek, Wien.

News