Tino Paulsen, M. Sc.
Projekte
-
Künstliche Intelligenz zum Einfachen und Übertragbaren Schutz Kritischer Infrastrukturen, Teilvorhaben: Entwicklung zentraler und dezentraler KI-basierter Methoden zur Angriffserkennung
(Wissenschaftliche Projektleiter*in) , Tino Paulsen (Projektmitarbeiter*in)
→Projekt: Forschung
Publikationen
Beiträge in Sammelwerken
- Studying properties of water data using manifold-aware anomaly detectors
Tino Paulsen (Autor*in) , Ulf Brefeld (Autor*in) , 23.04.2024Publikation: Beiträge in Sammelwerken › Aufsätze in Konferenzbänden › Forschung › begutachtet
- Exploring the Poincaré Ellipsis
Samuel Fadel (Autor*in) , Tino Paulsen (Autor*in) , Ulf Brefeld (Autor*in) , 01.09.2023Publikation: Beiträge in Sammelwerken › Aufsätze in Konferenzbänden › Forschung › begutachtet
- Evaluation of mechanical property predictions of refill Friction Stir Spot Welding joints via machine learning regression analyses on DoE data
Frederic Eberhard Bock (Autor*in) , Tino Paulsen (Autor*in) , Nikola Brkovic (Autor*in) , Lennart Rieckmann (Autor*in) , Dennis Kroeger (Autor*in) , Dominik Wolgast (Autor*in) , Philip Zander (Autor*in) , Uceu F. H. Suhuddin (Autor*in) , Jorge Fernandez dos Santos (Autor*in) , Benjamin Klusemann (Autor*in) , 02.04.2021 Liège , 11 S.Publikation: Beiträge in Sammelwerken › Aufsätze in Konferenzbänden › Forschung › begutachtet
Lehrveranstaltungen
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.