Mathematisches Institut für Maschinelles Lernen und Data Science

Die wichtigsten Fakten

  • 4 von 5 neuen Professuren bereits besetzt
  • Data Science Ausrichtung im Mathematik BSc
  • Data Science BSc Studiengang ab WS 2022/23 geplant

Digitale Daten...

und Medien sind heute allgegenwärtig. Die Digitalisierung steht erst am Anfang; Sie beginnt nun zunehmend, sämtliche Aspekte unseres Lebens zu durchdringen und neu zu gestalten. Ihr riesiges, bisher nur ansatzweise genutztes Potential gewinnbringend einzusetzen und sie dabei verantwortungsbewusst weiterzuentwickeln, ist eine der zentralen Herausforderungen unserer Zeit. Dieser wird sich das Mathematische Institut für Maschinelles Lernen und Data Science der Katholischen Universität Eichstätt-Ingolstadt widmen.

Das Institut...

ist ein zentraler Baustein bei der Etablierung eines Schwerpunktes in Digitalisierung an der KU. Am Institut werden wissenschaftliche Grundlagen geschaffen - und in Studiengängen vermittelt - die helfen das Potential der Digitalisierung auszuschöpfen. Ansätze, die hier verfolgt werden, betreffen zum Beispiel die dringend nötige Entwicklung mathematischer Grundlagen, die es erlauben, Erfolgsgarantien für Algorithmen des Maschinellen Lernens zu etablieren.  Solche ermöglichen die Verwendung von neuartigen, extrem leistungsstarken Verfahren des Maschinellen Lernens in medizinischen und sicherheitsrelevanten Anwendungen. Ein weiteres zentrales Ziel ist es, Möglichkeiten zu schaffen, das Potential der Digitalisierung in individuellen Datensphären lokal auszuschöpfen und eine sicherheitsbedenkliche Verarbeitung sensibler Daten auf zentralen Großrechnern, also in der Cloud, zu meiden.

Lehre und Forschung...

werden am Institut zunächst durch die folgenden sechs Professuren sichergestellt:

Juniorprofessur für Mathematik - Data Science: Junior Prof. Dr. Dominik Stöger
Dominik Stöger

Die Forschung von Prof. Stöger beschäftigt sich mit den mathematischen Grundlagen der Data Science. Insbesondere befasst er sich in seiner Forschung mit maschinellem Lernen, der Optimierung von nicht-konvexen Problemen, welche in der Signalverarbeitung und in der Statistik auftauchen, und dem Compressed Sensing.

Mehr Informationen finden Sie hier und hier.

Lehrstuhl für Reliable Machine Learning: Prof. Dr. Felix Voigtlaender
Felix Voigtlaender

Finanziert durch die HighTech-Agenda Bayern als Bestandteil des Verbunds „Resource Aware Artificial Intelligence for Future Technologies“ der KU Eichstätt-Ingolstadt, der FAU Erlangen-Nürnberg, der TU München und der Universität Bayreuth.

Die Forschung des Lehrstuhls beschäftigt sich mit der mathematischen Analyse von Machine Learning Algorithmen. Insbesondere spielt hierbei die Frage der Stabilität, bzw. Robustheit von Verfahren des Deep Learning eine wichtige Rolle. Obwohl trainierte neuronale Netze auf realen Daten sehr gute Ergebnisse liefern, wurde empirisch wiederholt eine Anfälligkeit für sogenannte "adversarial examples" festgestellt: Eine minimale Änderung der Eingabedaten kann das neuronale Netz dazu bringen, eine falsche Ausgabe zu liefern. Deshalb werden am Lehrstuhl die Gründe für die Existenz solcher adversarial examples mathematisch analysiert, um aufbauend auf diesem Verständnis Methoden zu entwickeln, die beweisbar robuste neuronale Netze produzieren.

Die Forschung des Lehrstuhls wird auch im Rahmen des Emmy Noether Projekts "Stability and Solvability in Deep Learning" gefördert. Mehr Informationen zur Forschung am Lehrstuhl finden Sie hier und hier.

Lehrstuhl für Geomatik und Geomathematik: laufendes Berufungsverfahren

Stiftungsprofessur der Stadt Ingolstadt, Laufzeit 5 Jahre

Der Schwerpunkt der Professur liegt in Geomatik, Geomathematik oder einem verwandten mathematisch geprägten Gebiet mit Bezug zu den Geowissenschaften. Dies beinhaltet Expertise in inversen Problemen, Modellierung in den Geowissenschaften, Geomonitoring auf Basis mathematisch-statistischer Methoden und die Analyse und Visualisierung raumbezogener Daten und deren Integration in geographische Informationssysteme. Letzteres ist Grundlage für langfristige Planungen in Verkehr, Infrastruktur und Naturgefahrenprävention.

Lehrstuhl für Angewandte Mathematik: laufendes Berufungsverfahren

Stiftungsprofessur der Stadt Ingolstadt, Laufzeit 5 Jahre

Die Professur widmet sich einem der Industrie und Wirtschaft nahestehenden Gebiet der angewandten Mathematik, zum Beispiel numerische Analysis, Optimierung, optimale Steuerung technischer Prozesse, mathematische Modellierung oder inverse Probleme. Sie ist Ansprechpartner von potentiellen Partnern aus Industrie und Wirschaft und vermittelt Experten des Instituts oder des wissenschaftlichen Umfelds.

Lehrstuhl für Mathematik - Wissenschaftliches Rechnen: Prof. Dr. Götz Pfander
Götz Pfander

Forschungsschwerpunkte liegen in Compressive Sensing, Abtasttheorie für Signale und Operatoren, angewandter harmonischer Analysis und Informationstheorie. Eine wiederkehrendes Thema in der Arbeit des Lehrstuhls ist die Messung, Analyse und Darstellung von kontinuierlichen Signalen durch endliche Bitfolgen.

Mehr Informationen finden Sie hier.

Lehrstuhl für Mathematik - Statistik: Prof. Dr. Johannes Krebs
Johannes Krebs

Die Forschungsgebiete der Professur sind mathematische Statistik und Wahrscheinlichkeitstheorie.

Hierbei sind Methoden der nichtparametrischen Statistik ein wesentliches Forschungsgebiet, z.B. nichtparametrische Kurvenschätzung auch in der funktionalen Datenanalyse.

Topologische Datenanalyse (TDA) ist ein weiteres wesentliches Forschungsgebiet der Professur. TDA ist eine Sammlung statistischer Methoden, die topologische Struktur in Daten entdecken. Die prominenteste Methode ist dabei persistente Homologie, ein multiskalen Ansatz der topologische Merkmale in Daten (insbesondere Punktwolken) quantifiziert. Ein besonderes Forschungsinteresse liegt auf Grenzwertsätzen in der persistenten Homologie und ihren statistischen Anwendungen.

Mehr Informationen finden Sie hier.

Meilensteine

  • Sommersemester 2021: KU-LMU-TUM Joint Seminar on Mathematics of Data Science 
  • Wintersemester 2021/2022: Neue Ausrichtung "Data Science" im Bachelorstudiengang Mathematik
  • Wintersemester 2021/2022: Serviceveranstaltungen für den Studiengang Data Driven Digital Business an der Wirtschaftswissenschaftlichen Fakultät in Ingolstadt
  • Frühjahr 2022: Offizielle Eröffnung des Instituts in Ingolstadt
  • September 2022: International Conference on Computational Harmonic Analysis (ICCHA2022)
  • Wintersemester 2022/2023: Neuer Bachelorstudiengang "Data Science" (geplant)

Kontakt

Götz Pfander
Prof. Dr. Götz Pfander
Inhaber des Lehrstuhls Mathematik - Wissenschaftliches Rechnen | Prodekan
Gebäude KG Bau B | Raum: KGB-110
Sprechstunde
nach Vereinbarung