Dieses Bild zeigt Julius Voggesberger

Julius Voggesberger

Herr M.Sc.

Wissenschaftlicher Mitarbeiter
IPVS
Anwendersoftware
[Foto: Julius Voggesberger]

Kontakt

+49 711 685 88239

Universitätsstraße 38
70569 Stuttgart
Deutschland
Raum: 2.365

Sprechstunde

Nach Vereinbarung

Fachgebiet

Arbeitsgebiet: Machine Learning, Ensemble Learning, Klassifikation

In meinem Promotionsthema "Bereitstellung und datengetriebene Fusion heterogener Vorhersagemodelle" beschäftige ich mich mit der Erstellung von optimierten Ensembles, d. h. der Kombination mehrerer Klassifikationsmodelle. Hierzu soll untersucht werden, welchen Einfluss die Daten, die Modelldiversität, etc. auf Ensembles haben. Weiterhin soll ein automatisiertes Vorgehen entwickelt werden, um optimierte Ensemble basierend auf den gefundenen Zusammenhängen zu erstellen.

Zitationsmetriken

Publikationen

2023

Julius Voggesberger. "Optimierung von Klassifikator-Ensembles mit AutoML". In: GvDB. 2023.

Julius Voggesberger, Peter Reimann und Bernhard Mitschang. “Towards the Automatic Creation of Optimized Classifier Ensembles”. In: Proc. of the 25th Int. Conference on Enterprise Information Systems (ICEIS) – Volume 1. 2023, S. 614–621.

Michael Behringer, Dennis Treder-Tschechlov, Julius Voggesberger, Pascal Hirmer und Bernhard Mitschang u. a. “SDRank: A Deep Learning Approach for Similarity Ranking of Data Sources to Support User-Centric Data Analysis”. In: Proc. of the 25th Int. Conference on Enterprise Information Systems (ICEIS) – Volume 1. 2023, S. 419–428.

Thesis

J. Voggesberger, "AutoML für Ensembles: Erhöhung der Klassifikationsperformanz durch Optimierung der Modelldiversität und der Entscheidungsfusion"
Masterthesis. 2022.

J. Voggesberger, " Evaluation von Zwischenergebnissen in Entscheidungsbäumen"
Bachelorthesis. 2019.

 

Sommersemester 2023

  • Hauptseminar "Data Management for End-to-End Machine Learning"
    Betreuung

Wintersemester 2022/2023

  • Seminar "Entwicklung von Data-Science-Anwendungen"
    Betreuung

Laufende studentische Arbeiten

  • Masterarbeit:
    Meta-Learning für die Optimierung von Klassifikations-Ensembles
  • Masterarbeit:
    Entwicklung einer Methode zur datengetriebenen Vorhersage der Ausgaben einer Kaltmassivumformsimulation
Zum Seitenanfang