Jan Köhler

Trainer-/Referent-Profil

"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.