wir bieten...
Dekobild im Seitenkopf ISMLL
 
Projekte & Kooperationen:

Forschungsprojekte

TrAmP

(Start: Oktober 2018)
In diesem Projekt wollen wir, die Arbeitsgruppe Informationssysteme und Maschinelles Lernen (ISMLL) der Universität Hildesheim und die MediFox GmbH (MF), welche für ca. 50% der ambulanten Pflegedienste in Deutschland Softwarelösungen anbieten, die ambulante Pflege in Deutschland verbessern. Unser Ansatz besteht darin, innerhalb des Projekts einen Software-Prototypen erstellen, der in der Lage ist, die Tourenplanung, die Pflegedienste täglich absolvieren müssen, in einem ersten Schritt (teil-)automatisiert vorzuschlagen. In einem zweiten Schritt wollen wir die Tourenplanung aus Daten lernen, um die Pflege so für jeden Pflegedienst und für jeden Pflegebedürftigen individuell optimal zu gestalten. Ziel ist es also insgesamt, eine Tourenplanung datengetrieben und automatisch zu ermitteln, die den Wünschen der Klienten, des Pflegepersonals und des Pflegedienstes entsprechen. [mehr]
Kontakt: Lars Schmidt-Thieme Jonas Falkner

ADDA

(Start: Juni 2018)
Dieses Kooperationsprojekt zwischen der PSIORI GmbH und dem Information Systems and Machine Learning Lab (ISMLL) der Universität Hildesheim hat zum Ziel, die Entwicklung von kundenspezifischen Datenanalysen durch den Einsatz von künstlicher Intelligenz stärker zu automatisieren und damit die Produktivität von Data Scientists signifikant zu erhöhen. Dadurch wird es möglich, “Schnellanalysen” als neue Dienstleistung am Markt anzubieten. Diese Schnellanalysen können Unternehmen schnell und kostengünstig konkrete Möglichkeiten für den Einsatz von Big Data und Maschinellem Lernen aufzeigen. Damit wird der Einstieg in intelligente Datenanalysen erleichtert und innovative Technologien des Machine Learning werden auch kleinen und mittleren Unternehmen zugänglich gemacht. [mehr]
Kontakt: Lars Schmidt-Thieme, Randolf Scholz Rafael Drumond

ÜberDax

(Start: November 2017)
Die fortschreitende Digitalisierung von Wirtschaft und Gesellschaft macht immer mehr Prozesse beobachtbar und damit offen für eine teilweise Automatisierung oder zumindest Entscheidungsunterstützung durch Modelle des Maschinellen Lernens: in der Industrie 4.0 können Maschinendaten verwendet werden, um Probleme früh zu erkennen und Ausfälle zu vermeiden oder Fertigungsvarianzen zu verkleinern und Planungen robuster zu gestalten, im Autonomen Fahren können Sensor- und Videodaten schon heute für einfache Manöver wie das Einparken und bald auch für das Fahren auf Autobahnen verwendet werden, im Bereich e-Health helfen sie beim Segmentieren von Organen oder beim Prognostizieren wie ein Tumor sich höchstwahrscheinlich entwickelt. [mehr]
Contact: Lars Schmidt-Thieme,Ahmed Rashed

HyLAP

(Start: September 2014)
Eine der größten Herausforderungen im Maschinellen Lernen ist die geeignete Auswahl von Hyperparametern und Modellen, da State-of-the-Art Verfahren wie die Gitter-Suche oder zufällige Hyperparameter-Stichproben viele Durchläufe des Lernalgorithmus erfordern und aus diesem Grund üblicherweise in Rechenzentren statt in Robotern, Autos oder Smartphones durchgeführt werden. Folglich müssen autonome Hyperparameter-Lernverfahren entwickelt werden, die in der Lage sind, bisherige Hyperparameter-Performanz auf anderen Datensätzen und möglicherweise anderen Modellklassen einzubeziehen und somit lernenden Systemen zu ermöglichen, in einem Bruchteil der Zeit zu lernen, der gegenwärtig nötig ist. [more]
Contact: Nicolas Schilling, Martin Wistuba, Lars Schmidt-Thieme

iTalk2Learn

(Start: November 2012)
Das Projekt iTalk2learn hat das Ziel eine Plattform zu entwickeln, die Struktur- und Forschungsaufgaben für Mathematik kombiniert. Hierfür werden kognitive Modelle erstellt, die den lernenden Grundschüler darstellen. Die Plattform wird Schülern ermöglichen durch technisch aktuelle Touchscreens und Sprachsteuerung auf einer natürlichen Weise zu kommunizieren und interagieren. [more]
Contact: Carlotta Schatten, Lars Schmidt-Thieme

REDUCTION - Reducing Environmental Footprint based on Multi-Modal Fleet management Systems for Eco-Routing and Driver Behaviour Adaptation

(Start: September 2011)
REDUCTION focuses on advanced solutions that combine mechanical / measurement technologies with information and communication technologies (ICT) for the management of multi-modal fleets, in order to reduce their environmental footprint. [mehr]
Kontakt: Josif Grabocka, Lars Schmidt-Thieme

EFRE project: AcoGPR - Adaptive Contactless Ground Penetrating Radar

(Start: Juni 2011)
Das ISMLL entwickelt für die aktuelle Städteplanung und Stadtentwicklung in Kollaboration mit der Universität Braunschweig und der Detectino GmbH aus Hildesheim ein mobiles Radarsystem, mit dem sich unterirdische Versorgungsleitungen aufspüren und automatisch identifizieren lassen. [mehr]
Kontakt: Andre Busche, Lars Schmidt-Thieme

DFG project on Multirelational Factorization Models

(Since April 2011)
Faktorisierungs-Modelle sind Modelle des Maschinellen Lernens, die Größen basierend auf Vergangenheitsdaten vorhersagen, z.B. Kundenpräferenzen, Gesundheitsrisiken, etc. Faktorisierungs-Modelle behandeln insb. Probleme, in denen die Interaktion zwischen Objekten vorhergesagt werden soll, über die nicht viele Informationen vorliegen. Das ISMLL forscht bereits seit mehreren Jahren an Faktorisierungs-Modellen. [mehr]
Kontakt: Lars Schmidt-Thieme

RFID-Enhanced Museum for Interactive Experience (REMIX)

(since Sep. 2010)
Museumsbesuchern fällt es aufgrund der Vielfältigkeit der Ausstellungsstücke manchmal schwer, die für sie interessanten Exponate neben für sie weniger Interessanten zu finden. Die derzeit vorwiegend aus dem World Wide Web bekannten Personalisierungstechniken sind hier ideal geeignet, um dem Besucher "seine" Ausstellung zu zeigen, und direkt auf seine Bedürfnisse einzugehen. Als alleinige Grundannahme wird bei REMIX davon ausgegangen, dass sich Besucher länger die für sie interessanten Exponate ansehen. [mehr]
Kontakt: Alexandros Nanopoulos, Rasoul Karimi

Master Online Intelligent Embedded Microsystems (IEMS)

(since October 2007)
Im Rahmen des von der Universität Freiburg angebotenen Online-Weiterbildungsstudiengangs "Master Online Intelligente Eingebettete Mikrosysteme" (IEMS) entwerfen und gestalten wir das Modul "Analytische Methoden" und betreuen die zugehörigen Lehrveranstaltungen. Das Modul vermittelt vertiefte Kenntnisse im Bereich Wahrscheinlichkeitstheorie, Statistik und Differentialgleichungen.
Kontakt: Christoph Freudenthaler, Lars Schmidt-Thieme

Kürzlich abgeschlossene Projekte:

Learning Recommender Systems for Online Shops(LEFOS)

\
(ended on Feb. 2011)
Die Universität Hildesheim forscht an Empfehlungssystemen für den Drogeriehandel.
("Kunden, die diesen Artikel gekauft haben, kauften auch") Seit dem 01.04. diesen Jahres weist die Arbeitsgruppe Wirtschaftsinformatik und Maschinelles Lernen (ISMLL) der Universität Hildesheim mit dem Projekt "Lernende Empfehlungssysteme für Online-Shops" (LEFOS) ein drittes aus EU-Mitteln gefördertes Projekt auf. [mehr]
Kontakt: Artus Krohn-Grimberghe, Lars Schmidt-Thieme

Dynamic Personalization of Multimedia (MyMedia)

(ended on Feb. 2011)
Im Projekt MyMedia werden neue Verfahren zur Personalisierung von Multimedia-Inhalten entwickelt. Die Projektpartner sind Microsoft, BBC, BT, Universität Eindhoven, Novay und Microgenesis. [mehr]
Kontakt: Zeno Gantner, Lars Schmidt-Thieme

Siehe auch Abgeschlossene Forschungsprojekte und Vergangene IndustrieKooperationen.