Die Deutsche Forschungsgemeinschaft (DFG) fördert ab April 2021 das neue Graduiertenkolleg 2624 "Biostatistische Methoden für hochdimensionale Daten in der Toxikologie" an der TU Dortmund, mit einer Gesamtfördersumme von 4,5 Mio. Euro. Sprecher des Kollegs ist Prof. Jörg Rahnenführer, weitere drei Professorinnen und Professoren der Fakultät sowie ein Professor der Universität Düsseldorf werden in dem Kolleg mit Toxikologinnen und Toxikologen zweier Leibnizinstitute in Dortmund und Düsseldorf gemeinsam forschen und Promovierende interdisziplinär ausbilden.
Kompletter Artikel auf der Hauptseite der TU.
Der Fachschaftsrat lädt alle Studierenden der Fakultät herzlich ein zur virtuellen Faschaftsvollversammlung.
Sie findet am 4.November um 16:15 Uhr in einem Zoom-Meeting statt.
Die Zugangsdaten erhalten alle Studierenden per E-Mail, sie können aber auch beim Fachschaftsrat erfragt werden.
Hauptthema der FVV ist eine Änderung der Satzung, durch die eine virtuelle Neuwahl des FSR ermöglicht werden soll.
Title: Semi-Structured Deep Distributional Regression
Speaker: David Rügamer, LMU Munich
When: 29.10.2020, 16:15
Where: OH 14, E023 / hybrid
Semi-Structured Deep Distributional Regression (SDDR) is a unified network architecture for deep distributional regression in which entire distributions can be learned in a general framework of interpretable regression models and deep neural networks. The approach combines advanced statistical models and deep neural networks within a unifying network, contrasting previous approaches that embed the neural network part as a predictor in an additive regression model. To avoid identifiability issues between different model parts, an orthogonalization cell projects the deep neural network part into the orthogonal complement of the statistical model predictor, facilitating both estimation and interpretability in high-dimensional settings. The framework is implemented in an R software package based on TensorFlow and provides a formula user interface to specify the models based on the linear predictors. In the second part of the talk, models in which tasks are represented as direct acyclic graphs (DAGs) are considered, and methods for guaranteeing both timing constraints and memory feasibility are presented. In particular, solutions for bounding the worst-case memory space requirement for parallel tasks running on multi-core platforms with scratchpad memories are discussed.
Dr. Henrike Weinert lehrt und forscht an der Fakultät Statistik und ist dort insbesondere im Projekt Data Competence Network (DaCoNet) tätig. Im Wintersemester hält sie die Veranstaltung „Data Literacy - Elementares Datenverständnis“, die sich an Bachelor-Studierende aller Fächer richtet. Im Interview erklärt Dr. Henrike Weinert, was Data Literacy eigentlich ist und welche Idee hinter dem Lehrangebot steht.
Kontakte knüpfen für den späteren Jobeinstieg kann unterhaltsam und völlig entspannt sein. Das ist jedenfalls das Konzept der dritten Dortmunder MatchWorkParty, die am 27. Oktober im Freischütz Schwerte mit Moderator Olli Briesch von 1LIVE stattfindet.
Hier könnt Ihr innovative Unternehmen aus der Region kennenlernen, um über Perspektiven für Praktika, Abschlussarbeiten und Jobs ins Gespräch zu kommen. Als Studentin oder Young Professional – egal, welcher Fachrichtung – seid Ihr herzlich zur MatchWorkParty #3 eingeladen. Wer möchte, kann im Vorfeld einen kostenlosen Workshop zum Thema Selbstmarketing und Netzwerken besuchen.
Veranstalter sind das Kompetenzzentrum Frau & Beruf sowie die Wirtschaftsförderung Dortmund. Die Teilnahme ist kostenlos, die Zahl der Teilnehmerinnen ist begrenzt, daher meldet euch bitte frühzeitig an.
Weitere Informationen gibt es hier.
Das Wintersemester 2020/21 wird in hybrider Form stattfinden: sowohl mit Veranstaltungen in Präsenzform (soweit möglich) als auch mit digitalen Veranstaltungen.
Das Vorlesungsverzeichnis wurde aktualisiert.
Das Graduiertenzentrum bietet am 16.Oktober 2020 die Info-Veranstaltung „Rahmenbedingungen einer erfolgreichen Promotion“ an.
Diese richtet sich an Master-Studierende mit Interesse an einer Promotion sowie and Promovierende aller Fachrichtungen.