Jan Köhler
"Als Trainer ist mir wichtig, dass die Teilnehmer viel selbst umsetzen und programmieren können. Erst die eigene Praxis zeigt, wo etwas noch unklar ist. Die Fehler, die im Seminar gemacht werden, wiederholen sich danach nicht mehr."
Kurzprofil
Statistiker, Data Scientist, Machine/Deep Learning Research Scientist (M.Sc. Statistik, Dipl.-Kfm. (technisch)). Fachautor und technischer Projektleiter. Trainer & Freelancer in den Bereichen R und Python für Datenanalyse.
Arbeitsschwerpunkte
Data Science, Machine Learning, Deep Learning, Statistik, Programmiersprachen R und Python, CRISP-DM
Berufserfahrung
- Seit 2017 Trainer
- Seit 2016 technischer Projektleiter im Deep Learning
- 2012 - 2016 Data Scientist / Machine Learning Engineer
Qualifikation
- M.Sc. Statistik (LMU München)
- Dipl.-Kfm. (technisch, TU München)
- 15 Patentanmeldungen im Bereich Data Science und Deep Learning
Arbeitssprachen
- Deutsch
- Englisch
Publikationen
- Fischer, V.; Köhler, J. M. and Pfeil, T. (2018): The streaming rollout of deep networks. In: NIPS.
- Beluch, B.; Genewein, T.; Nürnberger, A. and Köhler, J. M. (2018): The power of ensembles for active learning in image classification. In: CVPR.
- Achterhold, J.; Köhler, J. M.; Schmeink, A. and Genewein, T. (2018): Variational Network Quantization. In: ICLR.
- Gondal, W.; Köhler, J. M.; Grzeszick, R.; Fink, G.A. and Hirsch, M. (2017): Weakly-supervised localization of diabetic retinopathy lesions in retinal fundus images. In: ICIP.
- Tittus, J. et al. (2017): Omega-3 Index and Obstructive Sleep Apnea: A Cross-Sectional Study. In: JCSM.
- Brunner, J. O.; Bard, J. F.; Köhler, J. M. (2013): Bounded flexibility in days-on and days-off scheduling. In: NRL.
- Brunner, J. O. / Köhler, J. M. (2011): Flexible days off scheduling: A general approach. In: GOR.
Branchenkenntnisse
- Automotive
- Health Care
- Heizung, Lüftung, Klimatechnik (HVAC)
Aktuelle Veranstaltungen
Inhouse-Veranstaltungen
Besitzt Erfahrung in zahlreichen Inhouse-Trainings.