Dr. Anika Schulz

- Konzeption, Training und Implementierung von Machine Learning Algorithmen in Python zur Optimierung und Automatisierung von firmeninternen Geschäftsprozessen - Interdisziplinäre Zusammenarbeit, z.B. zur Continuous Integration von eigenen Sever- und Dockerimages - Monitoring der eigenen Machine Learning Algorithmen in R und Shiny - SQL-Abfragen zur Feature-Selection und -Engineering - Beratung der Geschäftsführung zu Machine Learning Projekten

- Identifikation von Entwicklungs- und Optimierungspotenzial der Web Performance von Computerspielen - Koordination verschiedener Datenbank- und webbasierter Big Data Systeme - Erstellung von Berichten und Dashboards, z. B. mit Tableau und Microstrategy - Funktionsübergreifende Kooperation zur Verbesserung von Datenerfassung, -verfügbarkeit und -darstellung - Beratung und Hilfestellung zu Datenanalysen und diversen Data Tools

- Auslandsaufenthalt in Indien, Indochina, Ostasien, Ozeanien, sowie Süd-, Zentral- und Nordamerika

- Entwicklung probabilistischer Sampling-Algorithmen zur Optimierung der Vorhersage von RNA-Sekundärstrukturen - Verbesserung der Worst-Case-Laufzeit der RNA-Struktur-Vorhersage durch Approximation - Implementierung von Prototypen, Proof-of-Concepts und Webservices - Umfangreiche Evaluierungen und Vergleich mit führenden Vorhersage-Tools

- Betreuung von Vorlesungen und Seminaren - Mentoring von Erstsemestern

- Analytische Betrachtungen wichtiger Eigenschaften diverser RNA-Modelle - Extrahieren, Konditionieren und Analysieren molekularer Datensätze - Ableitung detaillierter, probabilistischer Modelle - Generierung skalierbarer Resultate durch statistische Methoden

Angewandete Theoretische Informatik und Mathematik: - Entwicklung von Algorithmen, Komplexitätstheorie - Probabilistische Modellierung, statistisches Sampling - Bioinformatik, Computational Biology

Fokussierte, zielgerichtete Forschung

- Hauptfach: Theoretische Informatik (Algorithmic Learning Theory) - Nebenfach: Mathematik