Institut für Datenanalyse und Prozessdesign (IDP)
Wir generieren Mehrwert aus Daten
Wir nutzen fortschrittliche datenbasierte Methoden, um innovative Lösungen für Wirtschaft und Industrie zu entwickeln. Wir begegnen realen Herausforderungen mit wissenschaftlichen Methoden und einem starken Fokus auf praktische Relevanz. Wir sind die führende Ausbildungsstätte und bevorzugte Partnerin für angewandte Data Science und Business Engineering in der Schweiz.
Schwerpunkte

Fortschrittliche, wissenschaftliche Instrumente und Werkzeuge für Lösungen in der Finanzbranche

Health and Environmental Analytics
Datenanalyse zur Ableitung interpretierbarer Ergebnisse unter Verwendung statistischer und maschineller Lerntechniken.

Maintenance, Mobility, AI & Society
Nutzung von KI und fortschrittlicher Modellierung für Innovationen in den Bereichen vorausschauende Wartung, Mobilitätslösungen und sozial ausgerichtete Systeme

Gewinnung von Erkenntnissen, Schaffung von Werten und Förderung von Innovationen in Geschäftsprozessen und Dienstleistungen

Visual Intelligence and Applications
Da visuelle Daten zu einer der reichhaltigsten und komplexesten Informationsquellen werden, ist Visual Intelligence ein wichtiger Pfeiler der modernen Datenwissenschaft, der neue Wege zur Analyse, Modellierung und Kommunikation durch Bilder, Videos und immersive Umgebungen ermöglicht.
Für Studierende
Consulting Services
Aktuelles
Unser Team
Publikationen
-
2023.
Deep learning for predictive maintenance : scalable implementation in operational setups.
In:
10th IEEE Swiss Conference on Data Science (SDS), Zurich, Switzerland, 22-23 June 2023.
Verfügbar unter: https://sds2023.ch/deep-learning-for-predictive-maintenance
-
Baumann, Joachim; Loi, Michele,
2023.
Fairness and risk : an ethical argument for a group fairness definition insurers can use.
Philosophy & Technology.
36(45).
Verfügbar unter: https://doi.org/10.1007/s13347-023-00624-9
-
Baumann, Joachim; Castelnovo, Alessandro; Crupi, Riccardo; Inverardi, Nicole; Regoli, Daniele,
2023.
Bias on demand : a modelling framework that generates synthetic data with bias[Paper].
In:
Proceedings of the 2023 ACM Conference on Fairness, Accountability, and Transparency.
6th ACM Conference on Fairness, Accountability, and Transparency (FAccT), Chicago, USA, 12-15 June 2023.
Association for Computing Machinery.
S. 1002-1013.
Verfügbar unter: https://doi.org/10.1145/3593013.3594058
-
Arpogaus, Marcel; Voss, Marcus; Sick, Beate; Nigge-Uricher, Mark; Dürr, Oliver,
2023.
Short-term density forecasting of low-voltage load using bernstein-polynomial normalizing flows.
IEEE Transactions on Smart Grid.
14(6), S. 4902-4911.
Verfügbar unter: https://doi.org/10.1109/TSG.2023.3254890
-
Schweiger, Lukas; Barth, Linard,
2023.
Properties and characteristics of digital twins : review of industrial definitions.
SN Computer Science.
4(5), S. 436.
Verfügbar unter: https://doi.org/10.1007/s42979-023-01937-4