Tino Paulsen, M. Sc.
Projects
-
Künstliche Intelligenz zum Einfachen und Übertragbaren Schutz Kritischer Infrastrukturen, Teilvorhaben: Entwicklung zentraler und dezentraler KI-basierter Methoden zur Angriffserkennung
Ulf Brefeld (Project manager, academic) , Tino Paulsen (Project staff)
→Project: Research
Publications
Contributions to collected editions/anthologies
- Studying properties of water data using manifold-aware anomaly detectors
Tino Paulsen (Author) , Ulf Brefeld (Author) , 23.04.2024Research output: Contributions to collected editions/anthologies › Article in conference proceedings › Research › peer-review
- Exploring the Poincaré Ellipsis
Samuel Fadel (Author) , Tino Paulsen (Author) , Ulf Brefeld (Author) , 01.09.2023Research output: Contributions to collected editions/anthologies › Article in conference proceedings › Research › peer-review
- Evaluation of mechanical property predictions of refill Friction Stir Spot Welding joints via machine learning regression analyses on DoE data
Frederic Eberhard Bock (Author) , Tino Paulsen (Author) , Nikola Brkovic (Author) , Lennart Rieckmann (Author) , Dennis Kroeger (Author) , Dominik Wolgast (Author) , Philip Zander (Author) , Uceu F. H. Suhuddin (Author) , Jorge Fernandez dos Santos (Author) , Benjamin Klusemann (Author) , 02.04.2021 Liège , 11 p.Research output: Contributions to collected editions/anthologies › Article in conference proceedings › Research › peer-review
Courses
Es werden grundlegende Kenntnisse des maschinellen Lernen vermittelt, die zur intelligenten Datenverarbeitung notwendig sind. Wir gehen auf verschiedene Problemstellungen ein (z.B. Klassifikation, Regression, Clustern), lernen Standardverfahren kennen (z.B. Entscheidungsbäume, SVMs), Strategien für eine allgemeine Herangehensweise und Versuchsaufbauten für eine solide empirische Evaluation.
Es werden grundlegende Kenntnisse des maschinellen Lernen vermittelt, die zur intelligenten Datenverarbeitung notwendig sind. Wir gehen auf verschiedene Problemstellungen ein (z.B. Klassifikation, Regression, Clustern), lernen Standardverfahren kennen (z.B. Entscheidungsbäume, SVMs), Strategien für eine allgemeine Herangehensweise und Versuchsaufbauten für eine solide empirische Evaluation.