Leopoldina Menü

Leopoldina Home

Mitglieder

Mitgliederverzeichnis | Expertensuche

Suchen Sie unter den Mitgliedern der Leopoldina nach Expertinnen und Experten zu Fachgebieten oder Forschungsthemen.

Neue Suche

Foto: Univ. Tübingen/Christoph Jäckle

Prof. Dr.

Ulrike von Luxburg

Wahljahr: 2020
Sektion: Informationswissenschaften
Stadt: Tübingen
Land: Deutschland
CV Ulrike von Luxburg - Deutsch (PDF)

Forschung

Forschungsschwerpunkte: Theorie des Maschinellen Lernens, Computational Statistics

Ulrike von Luxburg ist eine deutsche Informatikerin. Sie forscht im Bereich des Maschinellen Lernens. Hier betrachtet sie selbstlernende Algorithmen und beweist mit Methoden der Mathematik und der Statistik, inwieweit und unter welchen Bedingungen diese Algorithmen „das Richtige“ lernen.

In den letzten zehn Jahren hat sich das Maschinelle Lernen zu einem Schlüsselbereich der Technologie entwickelt. Sie findet in vielen Bereichen Anwendung und beeinflusst die Art und Weise, wie wissenschaftliche Entdeckungen stattfinden. Allerdings sind die Algorithmen des Maschinellen Lernens niemals perfekt − ein Algorithmus, der immer eine korrekte Vorhersage macht, kann nicht existieren. Vielmehr basieren unterschiedliche Algorithmen auf unterschiedlichen Annahmen, machen unterschiedliche Arten von Fehlern und haben unterschiedliche Stärken und Schwächen.

Ulrike von Luxburg beschäftigt sich damit, Algorithmen des Maschinellen Lernens von einem theoretischen Standpunkt aus sowie ihre impliziten Mechanismen zu verstehen und formale mathematische und statistische Garantien für ihre Leistung zu geben. Dies ermöglicht es, grundlegende Annahmen, Verzerrungen sowie Stärken und Schwächen weit verbreiteter Algorithmen des Maschinellen Lernens aufzudecken. Im Folgenden werden drei typische Forschungslinien ihrer Gruppe beschrieben:

- Wenn Algorithmen des Maschinellen Lernens nachweislich versagen: Die meisten Forschenden auf dem Gebiet des Maschinellen Lernens arbeiten an der Herleitung neuer oder verbesserter Algorithmen. Bei ihrer Analyse geht es vor allem darum, zu zeigen, dass ihre Algorithmen in vielen Fällen gut funktionieren. Ulrike von Luxburgs Gruppe möchte herausfinden, unter welchen Umständen populäre Algorithmen des Maschinellen Lernens nachweislich versagen.

- Verstehen von impliziten Annahmen und induktiven Verzerrungen: Algorithmen des Maschinellen Lernens basieren immer auf impliziten Annahmen und versteckten Vorlieben, die das Ergebnis massgeblich beeinflussen können. Das Team um Ulrike von Luxburg möchte diese Tendenzen explizit machen, sie in der Sprache der Mathematik formalisieren und die impliziten induktiven Prinzipien aufdecken, die von bestimmten Algorithmen aufgerufen werden.

- Formale mathematische Garantien: Algorithmen des Maschinellen Lernens sind nie perfekt − dennoch kann nachgewiesen werden, dass einige von ihnen grundlegende Eignungstests bestehen, während das für andere nicht der Fall ist. Zum Beispiel könnte man analysieren, ob ein Algorithmus statistisch konsistent ist: Wenn der Algorithmus eine unendliche Menge an Daten zu sehen bekommt, wird seine Vorhersageleistung gegen die bestmögliche konvergieren. Ulrike von Luxburg und ihr Team beschäftigen sich mit solchen formalen Garantien.

Werdegang

  • seit 2015 Professorin für Theorie des Maschinellen Lernens, Eberhard Karls Universität Tübingen
  • 2012-2015 Heisenberg-Professur für Machine Learning, Universität Hamburg
  • 2007-2012 Forschungsgruppenleiterin Lerntheorie am Max-Planck-Institut für Intelligente Systeme, Tübingen
  • 2005-2006 Leiterin Data Mining Group am Fraunhofer-Institut für Integrierte Informations- und Publikationssysteme, Darmstadt
  • 2002-2004 Promotion, Max-Planck-Institut für biologische Kybernetik, Tübingen
  • 2001 Diplom in Mathematik nach Studium in Konstanz, Grenoble und Tübingen

Funktionen

  • Viele Jahre Mitgliedschaft in den Leitungsgremien der führenden internationalen Konferenzen für das Maschinelle Lernen (NeurIPS, ICML, COLT) und editorial board der führenden Zeitschrift „Journal of Machine Learning Research“
  • Programmleiterin von NeurIPS 2017 und COLT 2011

Projekte

  • seit 2019 Sprecherin DFG-Exzellenzcluster „Maschinelles Lernen: Neue Perspektiven für die Wissenschaft“
  • seit 2010 Teilprojekte in vielen Forschungsverbünden, zuletzt dem BMBF Competence Center for Machine Learning, Tübingen; SFB 1233: Robust Vision; Forschergruppe Structural Inference in Statistics: Adaptation and Efficiency; SFB 936: Collaborative Research Centre Multi-Site Communication in the Brain

Auszeichnungen und Mitgliedschaften

  • seit 2020 Mitglied der Nationalen Akademie der Wissenschaften Leopoldina
  • 2019 Distinguished paper award, International Joint Conference on Artificial Intelligence (IJCAI)
  • 2008, 2004 Best student paper award, Annual Conference on Neural Information Processing Systems (NeurIPS)
  • 2007 Best student paper award, International Conference on Algorithmic Learning Theory (ALT)
  • 2006, 2005, 2003 Best student paper award, International Conference on Learning Theory (COLT)
  • 2008-2013 Mitglied und Executive Board Member der Jungen Akademie

KONTAKT

Leopoldina

Archiv


Emil-Abderhalden-Str. 35
06108 Halle (Saale)

Tel. 0345 - 47 239 - 120
Fax 0345 - 47 239 - 139
E-Mail archiv @leopoldina.org

Academia Net

Profile exzellenter Wissenschaftlerinnen bei AcademiaNet – eine Initiative der Robert Bosch Stiftung.