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
-
Hertweck, Corinna; Heitz, Christoph; Loi, Michele,
2021.
On the moral justification of statistical parity[Paper].
In:
Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency.
4th ACM Conference on Fairness, Accountability, and Transparency (FAccT), online, 3-10 March 2021.
New York:
Association for Computing Machinery.
S. 747-757.
Verfügbar unter: https://doi.org/10.1145/3442188.3445936
-
2021.
Schnell reagierende Planungsalgorithmen für die Kundenauftragsproduktion[Poster].
In:
6. F&E-Konferenz zu Industrie 4.0, Online, 3. Februar 2021.
Verfügbar unter: https://www.industrie2025.ch/fileadmin/industrie2025/5_Veranstaltungen/F_E-Konferenz_2021/Praesentationen_fuer_Download/05_Thomas_Herrmann.pdf
-
Ulmer, Markus; Jarlskog, Eskil; Pizza, Gianmarco; Goren Huber, Lilach,
2021.
Deep learning for fault detection : the path to predictive maintenance of wind turbines[Paper].
In:
Sammelband zu den 6. Energieforschungsgesprächen Disentis.
Energieforschungsgespräche Disentis 2021, online, 20.-22. Januar 2021.
Disentis:
Stiftung Alpines Energieforschungscenter AlpEnForCe.
S. 24-26.
-
Fahrner, Matthias; Kook, Lucas; Fröhlich, Klemens; Biniossek, Martin L.; Schilling, Oliver,
2021.
Proteomes.
9(2), S. 26.
Verfügbar unter: https://doi.org/10.3390/proteomes9020026
-
Templ, Matthias,
2021.
Artificial neural networks to impute rounded zeros in compositional data.
In:
Filzmoser, Peter; Hron, Karel; Martín-Fernández, Josep Antoni; Palarea-Albaladejo, Javier, Hrsg.,
Advances in Compositional Data Analysis : Festschrift in Honour of Vera Pawlowsky-Glahn.
Cham:
Springer.
S. 163-187.
Verfügbar unter: https://doi.org/10.1007/978-3-030-71175-7_9