MIDS Logo

Herzlich Willkommen auf der Seite
der Professur für Datenassimilation

Um Unwetterereignisse oder das Abschmelzen des Eises in der Arktis vorhersagen zu können, müssen Informationen in Form von heterogenen Daten mit numerischen Modellen dynamischer Systeme verbunden werden. Dies geschieht durch die Datenassimilation, die es ermöglicht, Prozesse besser zu untersuchen und ihre weitere Entwicklung vorherzusagen.  Im Bereich der Datenassimilation beschäftigt sich die Professur mit der Fortentwicklung von Data Science Algorithmen durch die Einbeziehung von physikalischen Erhaltungsgesetzen und der Lösung entsprechend großer  Optimierungsprobleme in den Umweltwissenschaften.  Die Quantifizierung der Unsicherheiten von Vorhersagen, numerischen Modellen und Beobachtungen spielt hier ebenfalls eine zentrale Rolle. 

Über uns

Prof. Janjic stellt sich und den Lehrstuhl vor

Vorschaubild Tijana Janjic

Bitte beachten Sie: Durch Klicken auf die Bildfläche geben Sie Ihre Einwilligung, dass Videoinhalte von YouTube nachgeladen, Cookies von YouTube/Google auf Ihrem IT-System gespeichert und personenbezogene Daten wie Ihre IP-Adresse an Google weitergegeben werden. Klicken Sie nach Beendigung des Videoinhaltes auf ein anderes Video, öffnet sich in einem neuen Tab Ihres Browsers YouTube und erfasst weitere Daten von Ihnen. Weitere Informationen finden Sie in unseren Datenschutzhinweisen und unter Google Privacy .

Neuigkeiten aus der Mathematik

Tourism Technology Festival

am 09. und 10. November fand in Salzburg, Österreich das Tourism Technology Festival 2.0, ein Hackaton statt. 

Von der KU nahmen an diesem Event Denis Hoti, Ali Guliyev, Lukas Lang, Jakub Wisniewski, Southik Banarjee und Veronika Rybak vom Studiengang Data Science teil.. 

Insgesamt gab es fünf unterschiedliche Aufgabenstellungen zum Thema Tourismus. Das Team der KU entschied sich für die Challenge "Travel personalization by culture and personality" und lösten die Aufgabe mithilfe der Implementierung von KI- und Machine-Learning-Lösungen. Sie generierten ein Model, dass sie mithilfe der bereitgestellten Daten trainieren konnten. So entwickelten Sie eine Lösung, die dem Touristen die beste Reiseroute für Österreich aufzeigt. 

Nach 24 Stunden des Programmierens erfolgt ein 15minütiges Interview durch die Jury. Am Ende gewannen die KU-Studenten den „Bestes Open Source“ Preis. Dieser wird an das Team mit der besten technischen Leistung und der besten Dokumentation verliehen.

Das gesamte MIDS gratuliert sehr herzlich!

Mathematisches Institut für Maschinelles Lernen und Data Science

Logo MIDS

Die Heisenberg Professur ist Teil des Mathematischen Instituts für Maschinelles Lernen und Data Science, kurz MIDS.
Finden Sie alle Informationen rund um das MIDS hier.