| Forschungsbereich B |
Wir erforschen Methoden, um Unsicherheiten in datengetriebenen wissenschaftlichen Modellen und Algorithmen quantifizieren und weiterverarbeiten zu können.
Das Feld des maschinellen Lernens muss die Methoden verbessern, mit denen es Ungenauigkeit quantifiziert und für große und komplexe wissenschaftliche Modelle handhabbar macht. Dazu braucht es Techniken, um Ungenauigkeiten in den verfügbaren Daten, Vorhersagen, Parametern und Modellen getrennt zu behandeln. Wir wollen Tools entwickeln, um Ungenauigkeit in komplexen Modellen und Algorithmen einzuschätzen und mit ihr umzugehen, und um diese Informationen in Forschungsdesigns zu berücksichtigen. Wir bearbeiten in Forschungsbereich B daher folgende Unterthemen:
- Quantifizierung von Unsicherheit
- Kalibrierung von Unsicherheit
- Experimentelles Design
