Professuren eingerichtet vom Cluster

Zeynep Akata (seit Oktober 2019)

  Erklärbares Maschinelles Lernen

Zeynep Akata interessiert sich für maschinelles Lernen, das im Bereich erklärbare künstliche Intelligenz (XAI) Sehen und Sprache kombiniert. Ihren Schwerpunkt legt sie dabei hauptsächlich auf zwei Ziele: (1) Wie können Deep-Learning-Methoden effektiv trainieren werden, wenn keine, oder nur begrenzte Mengen an Daten verfügbar sind. (2) Wie lassen sich Entscheidungen von KI-Systemen so erklären, dass sie auch Nutzerinnen und Nutzern ohne Fachwissen verständlich werden.


Jakob Macke (seit Mai 2020)

  Maschinelles Lernen in der Wissenschaft

Jakob Macke‘s Ziel ist es, den wissenschaftlichen Erkenntnisprozess mit Hilfe von Maschinellem Lernen und Künstlicher Intelligenz zu beschleunigen: Er will Methoden entwickeln, die WissenschaftlerInnen dabei helfen, experimentelle Daten zu interpretieren und sie mit theoretischen Modellen in Einklang zu bringen. Er arbeitet dabei mit ForscherInnen aus verschiedenen Disziplinen zusammen.


Robert Bamler (seit November 2020)

  Data Science und Maschinelles Lernen

Robert Bamler entwickelt Näherungsmethoden, die bayesianische Inferenz auf großen Datensätzen und in aussagekräftigen statistischen Modellen ermöglichen. Seine Forschung schafft neue Werkzeuge für Naturwissenschaftler, effiziente Methoden zur Datenkompression, und die Grundlage für eine neuartige Form von gleichberechtigtem maschinellen Lernen in dezentralen Netzwerken.

Seniorprofessur eingerichtet vom Cluster

Wolfgang Spohn (seit Januar 2019)

  Wissenschaftsphilosophie

Wolfgang Spohn's Forschungsschwerpunkte sind die Wissenschafts- und Erkenntnistheorie, unter besonderer Berücksichtigung der Logik.

Professuren unterstützt durch den Cluster

Bob Williamson (ab März 2021)

  Foundations of Machine Learning Systems 

Bob Williamson ist daran interessiert, maschinelle Lernsysteme als Ganzes zu verstehen und zu konzipieren. Zu diesem Zweck beschäftigt er sich mit theoretischen Fragen zu Problemen des maschinellen Lernens und wie sie miteinander in Verbindung stehen.


Manfred Claassen (seit Januar 2020)

  Klinische Bioinformatik  an der Medizinischen Fakultät der Universität Tübingen

Manfred Claassen nutzt maschinelles Lernen zur Analyse von Einzelzell-Daten im Kontext von Krebserkrankungen und immunologischen Erkrankungen.


Setareh Maghsudi (seit Oktober 2020)

  Decision Making  am Fachbereich Informatik der Universität Tübingen

Setareh Maghsudi's Forschung konzentriert sich auf die Entwicklung von Entscheidungsstrategien angesichts von Unsicherheiten, Konflikten und Kommunikationsbeschränkungen, mit zukunftsweisenden Anwendungen wie dem Internet der Dinge.


Peter Ochs (seit September 2020)

  Mathematical Optimization Group  am Fachbereich Mathematik der Universität Tübingen

Ziel der Mathematical Optimization Group ist die Entwicklung und Analyse hocheffizienter Algorithmen bei Problemen der nichtglatten Optimierung, die durch Anwendungen in Bildverarbeitung, Computer Vision, maschinellem Lernen und Statistik entstehen.