Servicenavigation


Sie sind hier:

Dr. Nadja Bauer

Computergestützte Statistik

Kontakt

Nadja Bauer
Mathematik,
Raum 828
0231 755 - 7222
0231 755 - 4387
Fakultät Statistik
Technische Universität Dortmund
44221 Dortmund


Sprechzeiten

nach Vereinbarung


Besondere Aufgaben

Studienkoordinatorin der Fakultät Statistik

Studienberatung

Forschung

Forschungsprojekte

  • Industrial Data Science (InDas): 01.10.2017 - 30.10.2019 (Link kommt bald)
  • SFB 823, Teilprojekt C2: 01.09.2009 - 30.02.2016

 

Forschungsinteressen

  • Versuchsplanung
  • Musikdatenanalyse
  • modellbasierte Parameteroptimierung
  • maschinelles Lernen
  • industrielle Anwendungen
  • Text-Mining
  • ... (für alles offen)

Lehre und betreute Abschlussarbeiten

Betreute Veranstaltungen

  • Musikdatenanalyse (SS 17)
  • Grundlagen der Versuchsplanung (SS 10, SS 12, SS 17)
  • Einführung in Six-Sigma (WS 13/14, WS 17/18)
  • Statistische Verfahren in Qualitätsmanagement (SS 14, SS 15)
  • Wissensentdeckung in Datenbanken (SS 13)
  • Datenjournalismus (WS 10/11, WS 11/12, WS 12/13, WS 14/15)

 

Betreute Abschlussarbeiten

  • Mustererkennung in der Astrologie (Masterarbeit)
  • Verwendung eines Ohrmodells zur Einsatzzeiterkennung (Bachelorarbet)
  • Anwendung der Item-Responce-Theory-Modelle am Beispiel des Datensatzes FALKE (Bachelorarbeit)
  • Migration und Lesefähigkeit dargestellt am Material der Studie "Ganz In - Mit Ganztag mehr Zukunft. Das neue Ganztagsgymnasium NRW." (Diplomarbeit)
  • Vergleich verschiedener Verfahren zur Toneinsatzzeiterkennung (Masterarbeit)
  • Ensemble Kombinationen zur Toneinsatzzeiterkennung (Bachelorarbeit)

Publikationen

2017

RESEARCH Open Access

K. Friedrichs, N. Bauer, R. Martin, C. Weihs (2017): A computational study of auditory models in music recognition tasks for normal-hearing and hearing-impaired listeners. EURASIP Journal on Audio, Speech, and Music Processing, 2017:7.

 

C. Weihs, S. Herbrandt, N. Bauer, K. Friedrichs, D. Horn (2017): Efficient Global Optimization: Motivation, Variations, and Applications. Archives of Data Science 2 (1), KIT Scientific Publishung.

 

 

2016

 

N. Bauer (2016): Optimierung der Toneinsatzzeiterkennung. Dissertation an der TU Dortmund.

 

N. Bauer, K. Friedrichs, C. Weihs (2016): A multivariate approach for onset detection using supervised classification. Technischer Bericht 86/16, SFB 823.

 

N. Bauer, K. Friedrichs, C. Weihs (2016): Time efficient optimization of instance based problems with application to tone onset detection. Technischer Bericht 85/16, SFB 823.

 

N. Bauer, K. Friedrichs, B. Bischl, and C. Weihs (2016). Fast Model Based Optimization of Tone Onset Detection by Instance Sampling. Buchserie: Studies in Classification, Data Analysis, and Knowledge Organization, 461-472.

 

 

2014

 

B. Bischl, S. Wessing, N. Bauer, K. Friedrichs, and C. Weihs (2014): MOI-MBO: Multiobjective infill for parallel model-based optimization. In Proceeding of Learning and Intelligent Optimization Conference (LION), 173-186.

 

N. Bauer, K. Friedrichs, D. Kirchhoff, J. Schiffner, and C. Weihs (2014): Tone onset detection using an auditory model. In M. Spiliopoulou, L. Schmidt-Thieme, and R. Janning, editors, Data Ana- lysis, Machine Learning and Knowledge Discovery, volume Part VI, 315–324, Springer International Publishing.

 

 

2013

 

N. Bauer, J. Schiffner, and C. Weihs (2013a). Comparison of classical and sequential design of experiments in note onset detection. In B. Lausen, D. V. den Poel, and A. Ultsch, editors, Data Analysis, Machine Learning and Knowledge Discovery, 501–509, Springer International Publishing.

 

N. Bauer, J. Schiffner, and C. Weihs (2013b). Comparison of parameter optimization techniques for a music tone onset detection algorithm. In Proceedings of the 4th Meeting on Statistics and Data Mining (MSDM), 28–34.

 

 

2012

 

N. Bauer, J. Schiffner, and C. Weihs (2012): Einfluss der Musikinstrumente auf die Güte der Einsatzzeiterkennung. Technischer Bericht 10/12, SFB823.

 

2010

 

N. Bauer, J. Schiffner, C. Weihs (2010): Einsatzzeiterkennung bei polyphonen Musikzeitreihen. Technischer Bericht 22/10, SFB823.