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
-
Bütikofer, Stephan; Steiner, Albert,
2016.
In:
Operations Research Proceedings 2014.
Annual International Conference of the German Operations Research Society (GOR), Aachen, Germany, 2-5 September 2014.
Cham:
Springer.
S. 83-89.
Operations Research Proceedings.
Verfügbar unter: https://doi.org/10.1007/978-3-319-28697-6_13
-
Hochschule Luzern - Wirtschaft; Schweizerischen Vereinigung der Verkehrsingenieure und Verkehrsexperten (SVI), Hrsg.,
2016.
Forschungspaket VeSPA Teilprojekt 1-M, Massnahmen und Potenziale im Bereich Verkehrsteilnehmende.
Forschungsberichte SVI
; 1591.
Bern:
Bundesamt für Strassen.
-
Templ, Matthias; Hron, Karel; Filzmoser, Peter; Gardlo, Alžbӗta,
2016.
Imputation of rounded zeros for high-dimensional compositional data.
Chemometrics and Intelligent Laboratory Systems.
2016(155), S. 183-190.
Verfügbar unter: https://doi.org/10.1016/j.chemolab.2016.04.011
-
Kowarik, Alexander; Templ, Matthias,
2016.
Imputation with the R Package VIM.
Journal of Statistical Software.
74(7), S. 1-16.
Verfügbar unter: https://doi.org/10.18637/jss.v074.i07
-
Meierhofer, Jürg; Lév, Jana,
2016.
Computerworld.
S. 18-19.