Machine Learning

Alexander works as Head of MLOps Processes at appliedAI Initiative GmbH. He has almost a decade of experience in Data Science, Artificial Intelligence, and Data Engineering at appliedAI, the Max Planck Society, and BMW. His work focused on leading, planning, and developing AI solutions from experimentation to production. He is currently dedicated to innovating technical ML processes that tackle the inherent challenges of ML production systems. These innovations form the foundations of this MLOps online course.

Marius Lindauer ist Professor an der Leibniz Universität Hannover und Empfänger des renommierten ERC-Förderprogramms.

Er hat an der Universität Potsdam promoviert. Nach seiner Promotion wechselte er als Postdoktorand zur AutoML-Gruppe an der Universität Freiburg. Marius ist Co-Leiter der AutoML.org-Supergruppe, Mitglied des Beirats von COSEAL, Mitbegründer des Leibniz Data Science Lab und Mitglied mehrerer anderer Netzwerke, darunter ELLIS und CLAIRE. Seine Forschungsinteressen liegen vor allem auf dem Gebiet der AutoML, mit zusätzlicher Expertise in Reinforcement Learning und Interpretable Machine Learning.

Stephan Scheele ist Post-Doktorand in der Fraunhofer IIS Projektgruppe Erklärbare KI. Er hat ein FH-Diplom in Wirtschaftsinformatik sowie zusätzlich einen Master in Informatik an der Universität Ulm erworben. Im Jahr 2015 hat er zu einem Grundlagenthema aus dem Bereich der Beschreibungslogiken und Wissensrepräsentation an der Universität Bamberg promoviert. Danach war er mehrere Jahre als Software-Architekt für die Robert Bosch GmbH in Renningen im Geschäftsbereich Car Multimedia tätig. Während seiner Promotionszeit hat Stephan Scheele vielfältige Erfahrungen in der Lehre gesammelt. Über seine Arbeiten bei Bosch ist er mit ingenieurswissenschaftlichen Anwendungsfeldern vertraut.

Haojin Yang ist Senior Researcher und Leiter der Forschungsgruppe Multimedia und Maschinelles Lernen (MML) am Hasso-Plattner-Institut (HPI). Seit 2019 ist er für eine Professur habilitiert. Seine Forschungsschwerpunkte sind effizientes Deep Learning, Modellbeschleunigung und -kompression sowie Edge AI.