Gwil, Lüneburg

Produkte

Das Hauptprodukt ist das Buch mit dem Titel „Machine Learning for the Quantified Self - On the Art of Learning from Sensory Data“. Es behandelt die Anwendung von Machine-Learning-Techniken auf Sensordaten und nutzt zur Veranschaulichung ein Fallbeispiel eines reichhaltigen Self-Tracking-Datensatzes der Crowdsignals-Plattform. Das Buch ist über den Springer-Shop oder Amazon erhältlich

Über uns / Über mich

Das Projekt und das dazugehörige Buch wurden von Mark Hoogendoorn und Burkhardt Funk erstellt Mark Hoogendoorn ist Assistant Professor in der Computational Intelligence Group am Department of Computer Science der Vrije Universiteit Amsterdam. Er promovierte 2007 in Artificial Intelligence an derselben Universität. Nach seiner Promotion war er als Postdoctoral Researcher am Department of Computer Science and Engineering der University of Minnesota tätig. Im Jahr 2015 war er als Visiting Scientist im Computer Science and Artificial Intelligence Lab (CSAIL) des Massachusetts Institute of Technology tätig. Er war zudem Joint Coordinator für das EU FP7 ICT4Depression Projekt und ist im Vorstand von ISRII, einer internationalen Organisation für Forscher im Bereich innovativer Interventionen für die psychische Gesundheit Burkhardt Funk ist Full Professor für Information Systems an der Leuphana Universität Lüneburg in Deutschland. Seine Forschungsschwerpunkte liegen im Aufbau statistischer Modelle und Entscheidungsunterstützungssystemen auf Basis von Machine Learning und Data Mining. Seine Forschungsbereiche umfassen unter anderem E-Commerce, Ad-Tech und e-Mental-Health. Er hat mehr als 70 wissenschaftliche Artikel verfasst und fungiert als Co-PI in zwei großen, EU-finanzierten Forschungsprojekten im Bereich e-Mental-Health, um das Verständnis psychischer Störungen durch prädiktive Modellierungstechniken zu fördern

Methoden, Arbeitsweise & Technologien

Die im Buch vermittelten Konzepte basieren auf der aktuellen wissenschaftlichen Literatur. Die angewandten Techniken konzentrieren sich auf das Lernen aus Sensordaten und sind über die reine Selbstverfolgung (Self-Tracking) hinaus auf Sensordaten im Allgemeinen anwendbar

Zielgruppen & Anwendungsbereiche

Die Inhalte richten sich an ein breiteres Publikum, das sich für die Verarbeitung von Sensordaten interessiert. Neben dem Fokus auf Self-Tracking-Daten sind die erklärten Techniken allgemein auf verschiedene Arten von Sensordaten anwendbar

Adresse & Kontaktdaten

• Name: Mark Hoogendoorn
• Name: Burkhardt Funk