Ricardo Knauer
"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
- 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
- PMLBmini: A Tabular Classification Benchmark Suite for Data-Scarce Applications, AutoML 2024 Workshop Track
- 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