Machine Learning

Gabriela Molinar studierte Elektrotechnik und Informationstechnik in Venezuela. Sie wurde 2020 am Institut für Technik der Informationsverarbeitung (ITIV) des Karlsruher Instituts für Technologie (KIT) promoviert und arbeitet inzwischen im Energiesektor beim Übertragungsnetzbetreiber TenneT TSO GmbH in Bayreuth.

Sie erhielt 2022 den Ökologiepreis der Viktor & Sigrid Dulger-Stiftung für ihre Arbeit "Machine Learning Tool for Transmission Capacity Forecasting of Overhead Lines based on Distributed Weather Data“, welche einen wichtigen Beitrag zur Strombelastbarkeitsprognose mittels Künstlicher Intelligenz als Optimierungsverfahren des Netzbetriebs und zur Unterstützung der Energiewende in Deutschland leistet.

Frank Hutter ist Professor für Maschinelles Lernen an der Universität Freiburg sowie Chief Expert AutoML am Bosch Center for Artificial Intelligence. Er erhielt 2010 den CAIAC-Dissertationspreis für die beste Dissertation im Bereich der Künstlichen Intelligenz in Kanada und zusammen mit seinen Koautoren mehrere Auszeichnungen für die beste Arbeit und Preise in internationalen Wettbewerben für maschinelles Lernen, SAT-Solving und KI-Planung. Er ist Fellow von EurAI und ELLIS, Leiter der ELLIS-Einheit in Freiburg und Empfänger von drei ERC-Stipendien. Frank ist am besten bekannt für seine Forschung im Bereich des automatischen maschinellen Lernens (AutoML), einschließlich der Suche nach neuronalen Architekturen und der effizienten Optimierung von Hyperparametern. Er war Mitautor des ersten Buches über AutoML und der bekannten AutoML-Tools Auto-WEKA, Auto-sklearn und Auto-PyTorch, gewann mit seinem Team die ersten beiden AutoML-Challenges, war Mitorganisator der ICML-Workshopreihe zu AutoML in den Jahren 2014-2021, war Vorsitzender der ersten AutoML-Konferenz 2022 und ist auch 2023 wieder Vorsitzender.

Bernd Bischl ist Inhaber des Lehrstuhls für Statistik und Data Science am Institut für Statistik der Ludwig-Maximilians-Universität München und Co-Direktor des Munich Center for Machine Learning (MCML), eines der nationalen Kompetenzzentren für Maschinelles Lernen (ML) in Deutschland. Er studierte Informatik, Künstliche Intelligenz und Datenwissenschaften in Hamburg, Edinburgh und Dortmund und promovierte 2013 an der Technischen Universität Dortmund mit einer Arbeit zum Thema "Model and Algorithm Selection in Statistical Learning and Optimization". Seine Forschungsinteressen umfassen AutoML, Modellauswahl, interpretierbare ML sowie die Entwicklung von statistischer Software. Er ist Mitglied von ELLIS im Allgemeinen und Fakultätsmitglied von ELLIS München, ein aktiver Entwickler mehrerer R-Pakete, leitet die mlr (Machine Learning in R) Engineering Group und ist Mitbegründer der Wissenschaftsplattform OpenML für offene und reproduzierbare ML. Darüber hinaus leitet er die Münchner Niederlassung des ADA Lovelace Center for Analytics, Data & Application, d.h. eine neuartige Forschungsinfrastruktur zur Unterstützung von Unternehmen in Bayern, insbesondere im KMU-Bereich.

Dr. Alassane Ndiaye ist als Senior Software-Engineer (R&D) und Projektleiter seit über 20 Jahren am Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) sowohl in Forschungs- als auch in Industrie- und Transferprojekten tätig. Machine Learning setzt er unter anderem in Prognoseverfahren für die Energiewirtschaft und die Elektromobilität ein.

Dr. Matthieu Deru ist Senior Software-Engineer (R&D) und UX-Designer für interaktive Systeme am Deutschen Forschungszentrum für Künstliche Intelligenz GmbH (DFKI). Seine Projekterfahrung umfasst Themengebiete, die so vielseitig sind wie die Anwendungsfelder der KI, von intelligenten Benutzerschnittstellen bis zu komplexen Vorhersagenmodellen für die Elektromobilität.

Ute Schmid ist Professorin für Angewandte Informatik, insbesondere Kognitive Systeme. Seit mehr als 15 Jahren lehrt und forscht sie zu wissensbasierten Methoden der KI sowie maschinellem Lernen. Sie ist international sichtbar im Bereich Human-like Machine Learning und forscht aktuell zur Generierung von Erklärungen sowie zur Nutzung von Erklärungen beim interaktiven Lernen. Ute Schmid hat zudem Erfahrung bei der Entwicklung von intelligenten Tutorsystemen und bei der Nutzung von analogen Beispielen im Kontext des Wissens-und Fertigkeitserwerbs. Sie hat neben einem Diplom in Informatik auch ein Diplom in Psychologie erworben und verfügt über langjährige Erfahrung in empirischer Forschung.