Dr. Thomas Oskar Weinmann
Dr. Thomas Oskar Weinmann
ZHAW
School of Engineering
Forschungsschwerpunkt Wissenschaftliches Rechnen & Algorithmik
Technikumstrasse 71
8400 Winterthur
Arbeit an der ZHAW
Tätigkeit
Schwerpunktleitung Wissenschaftliches Rechnen und Algorithmik
Arbeits- und Forschungsschwerpunkte
Bayesian Probabilistic Models, Machine Learning, Optimization, Visual Computing
Lehrtätigkeit
- Analysis, Lineare Algebra, Wahrscheinlichkeit und Numerik in Bachelorstudiengängen
- Machinelles Lernen in Bachelor, Master und PhD.
Aus- und Weiterbildung
Ausbildung
Dr.sc.math. / Mathematik
ETH-Zürich
01 / 2003 - 06 / 2007
Weiterbildung
CAS Visual Computing
ETH-Zürich
08 / 2011
Projekte
- Smart Acquisition for Ultra-High field NMR Spectroscopy / Stellv. Projektleiter:in / laufend
- Raman for Process Analytics / Teammitglied / laufend
- Target Recognition using Artificial Intelligence (TRAI) / Projektleiter:in / laufend
- Dedizierter Algorithmus für bayessche online Regression auf eingebetteten Systemen / Projektleiter:in / abgeschlossen
- Adaptive Korrektur der nichtstationären Verzerrung einer magnetischen Messskala / Projektleiter:in / abgeschlossen
- Maschinelles Lernen für NMR-Spektroskopie / Teammitglied / abgeschlossen
- Automatisches Zählen von Varroa Milben in Bienenvölkern / Stellv. Projektleiter:in / abgeschlossen
- Positionsfehler-Korrekturalgorithmus / Projektleiter:in / abgeschlossen
- Entwicklung von Algorithmen zur Analyse von Fussballspielern und Spielsituationen anhand von Bewegungsdaten / Teammitglied / abgeschlossen
- Entwicklung und Test eines dynamischen Reglers / Teammitglied / abgeschlossen
- NoSQL Data Warehouse / Teammitglied / abgeschlossen
Publikationen
-
De Lorenzi, Flavio; Weinmann, Tom; Bruderer, Simon; Heitmann, Björn; Henrici, Andreas; Stingelin, Simon,
2024.
Bayesian analysis of 1D 1H-NMR spectra.
Journal of Magnetic Resonance.
364(107723).
Verfügbar unter: https://doi.org/10.1016/j.jmr.2024.107723
-
Stockinger, Kurt; Bödi, Richard; Heitz, Jonas; Weinmann, Thomas Oskar,
2017.
ZNS : efficient query processing with ZurichNoSQL.
Data & Knowledge Engineering.
2017(112), S. 38-54.
Verfügbar unter: https://doi.org/10.1016/j.datak.2017.09.004