Zum Hauptinhalt springen

Data Science Lunch Talks

Eine Vortragsreihe des Applied Data Science Labs

Im Applied Data Science Lab halten wir regelmäßig, zwei mal im Monat, einen Lunch-Talk ab, um uns zu aktuellen Forschungsthemen und offenen Fragen auszutauschen. Die Lunch Talks finden jeden zweiten und vierten Dienstag im Monat, von 13.30-14.30 Uhr, statt. Der Inhalt setzt sich aus Themen aus der Forschung im ADSLab und von regionalen Unternehmen zusammen.

Wenn Sie Interesse haben, einen Vortrag bei uns zu halten, wenden Sie sich bitte an Martin Uray oder Cornelia Ferner.

Auch die Reading Group der SF & EC Forschungsgruppe trifft sich in regelmäßigen Abständen, um über aktuelle Themen aus der Forschung zu referieren und zu diskutieren.

Für diese Vorträge können sich Studierende der Studiengänge ITS, AIS und BIN anmelden. Die Teilnahme ist kostenlos. Der Verantsaltungsraum wird zeitnah zur Veranstaltung bekannt gegeben bzw. der Teilnahmelink zugesandt. Die Vorträge starten jeweils um 13:30 Uhr.

Zukünftige Vorträge

DatumVortragendeRTitel / Inhalt
21.12.2021

Clemens Havas
Z_GIS

Spatio-temporal Social Media Analysis
11.01.2022

Marleen Bahe
Salzburg Research

Comparison of Active Machine Learning Approaches
25.01.2022Reuf Kozlica, Georg SchäferAn Architecture for Deploying RL Algorithms in Industrial Environments
08.02.2022

Simon Hirländer
Universität Salzburg

Reinforcement Learning
22.02.202Werner PomwengerProjektvorstellung: fact.ai Data Cleaner

Vergangene Vorträge

Studienjahr 2021/22

DatumVortragendeRTitel / Inhalt
09.11.2021Stefan Huber

Persistent Homlogy in Data Science
Im Rahmen des Projektes KI-Net. Die Folien zum Nachlesen

28.09.2021Martin UrayArchitektur Watson NEU
Beyond Desktop Computation: Challenges & Lessons Learned in Scaling a GPU Infrastructure.
Lunch Talk co-hosted durch das Projekt DataKMU.

Studienjahr 2020/21

DatumVortragendeRTitel / Inhalt
22.06.2021Günther EiblStorytelling with Data
Do's and Dont's for your visuals
08.06.2021Maximilian TschuchnigAnomaly Detection with Autoencoders
Evaluating Autoencoders for Anomaly Detection of Spinal Cord Lesions
25.05.2021Stefan WegenkittlMusic and AI
Projekt Beethoven X und music autobot.
Die Folien zum Talk.
11.05.2021Cornelia FernerSentence Representations
Link zum Paper wird nach Veröffentlichung nachgereicht
27.04.2021Werner PomwengerIntroduction to Explainable AI
Begriffsdefinitionen, Vorstellung LIME und Shapley Values
13.04.2021

Michael Peitler
Commend International

Audio-Signalverarbeitung mit Deep Learning
Lunch Talk co-hosted durch das Projekt DataKMU
Die Folien zum Talk.
30.03.2021Michael GadermayrChallenges in Computational Pathology
Thyroid Cancer Classification - Forschungsergebnisse zur Analyse von histologischen Schnittbildern aus dem Projekt KiaMed
Paper: https://arxiv.org/abs/2012.08158
09.03.2021Stefan WegenkittlPrimer zur Maßtheorie
Gedacht für all jene, die im Rahmen ihrer Forschung publizieren und sicherer in der Verwendung der mathematischen, formalen Sprache werden wollen.
23.02.2021Reuf KozlicaIntro to (Deep) Reinforcement Learning
inkl. Teaser zu Hierarchical Reinforcement Learning
09.02.2021

Rafael Weingartner-Ortner
Symptoma

DL-Modell als Microservice mit einer REST-API hosten
Lunch Talk co-hosted durch das Projekt DataKMU
Folien und Code unter: https://github.com/RafaelWO/NLP-Microservice
26.01.2021Cornelia FernerSemi-Supervised Learning for Natural Language Processing
PhD Proposal Presentation
12.01.2021Maximilian SchirlDer Digital Readiness Check
Umfrage und Ergebnisse unter https://www.kmu40.eu/ abrufbar.
24.11.2020Günther EiblComparison of Approaches for Intrusion Detection in Substations using the IEC 60870-5-104 Protocol.
Auf der Energieinformatik 2020 mit dem Best Paper Award ausgezeichnet
Paper: https://energyinformatics.springeropen.com/articles/10.1186/s42162-020-00118-4
27.10.2020Maximilian TschuchnigGAN Architectures in Digital Pathology
Paper: https://www.sciencedirect.com/science/article/pii/S2666389920301173
29.09.2020Martin UrayThe Application of Deep Learning in Estimation and Correction of Scatter in Cone Beam CTs
Paper: https://iopscience.iop.org/article/10.1088/1361-6560/ab8954/meta