Lehrstuhl für Maschinelles Lernen, insbesondere Uncertainty Quantification

Herzlich Willkommen auf den Seiten des Lehrstuhls für Maschinelles Lernen, insbes. Uncertainty Quantification an der Fakultät für Informatik und Data Science der Universität Regensburg.

Der Lehrstuhl widmet sich der Analyse von Daten als zentrale Ressource für Anwendungen des maschinellen Lernens sowie als entscheidender Wettbewerbsfaktor und Innovationstreiber in der Datenökonomie. Die Messung von Unsicherheit und deren Auswirkungen auf maschinelle Lernverfahren sind hierbei von zentraler Bedeutung. Im Fokus der Forschung stehen individuelle Nutzer*innen, betroffene Unternehmen sowie die sich daraus konstituierenden sozioökonomischen Systeme. Dabei werden sowohl technische, betriebswirtschaftliche als auch gesellschaftliche (regulatorische) Fragestellungen adressiert.

Aktuelles

Veröffentlichung im Journal of Information Technology

Das von Victoria Fast, Daniel Schnurr und Michael Wohlfarth verfasste Papier "Regulation of Data-Driven Market Power in the Digital Economy" ist in der renommierten Fachzeitschrift Journal of Information Technology erschienen.

Eingeladender Vortrag an der Erasmus University Rotterdam

Während eines zweitägigen Forschungsaufenthalts an der Erasmus University Rotterdam präsentierte Daniel Schnurr das aktuelle Forschungsprojekt "Competition between Human and Artificial Intelligence in Digital Markets".

CERRE Research Report zum aktuellen Data Act-Entwurf veröffentlicht

Der Report "Switching and Interoperability Between Data Processing Services in the Proposed Data Act" von Daniel Schnurr analysiert den aktuellen Entwurf zur Regulierung von Cloud Services in der Europäischen Union.

Förderung des Projekts "DataDonations4SustainableChange"

Das Bayerische Forschungsinstitut für Digitale Transformation fördert das interdisziplinäre Konsortialprojekt "Datenspenden und Digitale Nudges für Nachhaltige Verhaltensänderungen" von Verena Tiefenbeck (FAU), Jörg Haßler (LMU) und Daniel Schnurr (UR, Konsortialleitung) über die drei nächsten Jahre.

Best Paper im Track "Cybersecurity, Privacy and Ethics in AI" der ICIS 2022

Das Forschungspapier "Privacy Risks in Digital Markets" von Nikolai Sachs und Daniel Schnurr wurde als Best Paper im Track "Cybersecurity, Privacy and Ethics in AI" ausgezeichnet.

Gastvortrag zum Thema Personal Data Broker an der WU Wien

Am 23.11.2022 hielt Daniel Schnurr an der WU Wien auf Einladung von Verena Dorner einen Gastvortrag zu den Auswirkungen neuer Personal Data Broker-Geschäftsmodelle in digitalen Märkten

Forschungsarbeiten zu "Transparency of Privacy Risks" und "Competition between Human and AI" auf der ICIS 2022 angenommen

Die beiden Forschungsarbeiten werden vom 9.-14. Dezember auf der globalen Wirtschaftsinformatik-Konferenz in Kopenhagen, Dänemark vorgestellt

Vortrag und Panel-Diskussion beim TILT & TILEC Online Workshop on the Data Act

Daniel Schnurr diskutierte auf dem Panel zu "Cloud Services, Interoperability and Standardization" die neuen Regeln des Entwurfs für den EU Data Act

Vorträge auf dem European ESA Meeting 2022 und der TPRC 2022

Nikolai Sachs präsentierte auf dem European ESA Meeting 2022 und der TPRC 2022 das aktuelle Forschungsprojekt "Privacy Risks in Digital Markets".

Daniel Schnurr übernimmt den Lehrstuhl für Maschinelles Lernen, insbes. Uncertainty Quantification

Daniel Schnurr ist zum 1. August 2022 an die Fakultät für Informatik und Data Science der Universität Regensburg berufen worden.

‹ ›

Offene Stellen

Aktuell suchen wir studentische und wissenschaftliche Hilfskräfte, die uns in Forschung und Lehre unterstützen. Wenn Sie an der Universität Regensburg studieren und Interesse an der Mitarbeit bei uns am Lehrstuhl haben, melden Sie sich per E-Mail direkt bei Andreas Schauer.

Wir haben zudem regelmäßig offene Stellen für wissenschaftliche Mitarbeiter:innen. Daher freuen wir uns über Initiativ-Bewerbungen per E-Mail an Herrn Prof. Dr. Daniel Schnurr.