Ricardo Knauer

  • Trainer-/Referent-Profil
"Künstliche Intelligenz und Data Science sind komplex, aber kein Hexenwerk. Ich möchte es Teilnehmenden ermöglichen, ihre Expertise mit datenbasierten Erkenntnissen und Entscheidungen zu kombinieren – praxisnah, verständlich, kompakt."

Kurzprofil

Wissenschaftlicher Mitarbeiter und Lehrbeauftragter an der HTW Berlin. Doktorand auf dem Gebiet der interpretier- und erklärbaren Künstlichen Intelligenz. Seit 2023 Trainer in den Bereichen Künstliche Intelligenz und Data Science.

Arbeitsschwerpunkte

Künstliche Intelligenz, Maschinelles Lernen, Data Science

Berufserfahrung

  • ab 2022 wissenschaftlicher Mitarbeiter und Lehrbeauftrager an der HTW Berlin
  • 2020-2022 wissenschaftlicher Mitarbeiter an der TU Berlin
  • 2009 - 2019 Physiotherapeut und Übungsleiter

Qualifikation

  • Berliner Zertifikat für Hochschullehre, Berliner Zentrum für Hochschullehre
  • Higher Education Teaching Certificate, Harvard University
  • Studium Artificial Intelligence (M.Sc.), Vrije Universiteit Amsterdam
  • Studium Human Movement Sciences (Premaster), Vrije Universiteit Amsterdam
  • duales Studium Physiotherapie (B.A.), THIM Hoogeschool voor Fysiotherapie

Arbeitssprachen

  • Deutsch
  • Englisch

Publikationen

  • A Converged Cloud-Fog Architecture for Future eHealth Applications, FMEC 2021
  • Cost-Sensitive Best Subset Selection for Logistic Regression: A Mixed-Integer Conic Optimization Perspective, KI 2023
  • Explainable Artificial Intelligence Beyond Feature Attributions: The Validity and Reliability of Feature Selection Explanations, xAI 2024
  • Explainable Artificial Intelligence in Mechanical Engineering: A Synthetic Dataset for Comprehensive Failure Mode Analysis, TransAI 2023
  • Foundations for Applied Artificial Intelligence: Enabling and Supporting AI Teaching and Research, INFORMATIK 2023 Workshop on AI Education
  • German Standardization Roadmap on Artificial Intelligence (2nd Edition), DIN, DKE 2022
  • Squeezing Lemons with Hammers: An Evaluation of AutoML and Tabular Deep Learning for Data-Scarce Classification Applications, ICLR 2024 Workshop on Practical ML for Low Resource Settings

Branchenkenntnisse

  • Gesundheitswissenschaften
  • Bewegungswissenschaften
  • Physiotherapie

Aktuelle Veranstaltungen