Dr. Jan Ackmann

Konzeption und Entwicklung von Data Science und AI Applikationen im Bereich Versicherung

Das Ziel meiner Forschung ist es, die Effizienz numerischer Wettervorhersagemodelle zu erhöhen. Ich verfolge dabei zwei Forschungsrichtungen: 1. Nutzung von Machine Learning Methoden, beispielsweise neuronaler Netze, um kostenintensive Modellkomponenten zu ersetzen. 2. Erforschung der Anwendbarkeit von effizienterer Hardware mit niedriger Präzision(16 bits) für Wettervorhersagemodelle. Keywords: Machine Learning, Neuronale Netze, Modellierung, Wetter & Klima, Numerische Analysis, High Performance Computing

Forschung im Bereich Uncertainty Quantification (UQ) für numerische Ozeanmodelle. Das Besondere an unserer Methode ist die daten-basierte Modellierung zeit-diskreter stochastischer Prozesse, die das Verhalten numerischer Modellfehler emulieren können. Kombiniert mit der adjungierten Lösung ergibt sich ein Maß für die Unsicherheit in der Modellösung. Keywords: Uncertainty Quantification, Stochastische Prozesse, Monte Carlo Methode, Fluiddynamik, Adjungierte Modelle, Klimamodellierung

Erstellung der Doktorarbeit: "Error Estimation Algorithms in 3D Ocean Models" Link: http://hdl.handle.net/11858/00-001M-0000-002C-4629-D Die Arbeit wurde im Rahmen der International Max Planck Research School on Earth System Modelling angefertigt.

Anwendung von Machine Learning Verfahren auf Problemstellunge aus der Strukturmechanik für den Flugzeugbau Diplomarbeit: 'Multi-class Classification of Load-dependent Failure Modes' Keywords: Machine Learning, Support-Vector-Machines, Optimierung, Strukturmechanik, Maschinenbau

Forschung an numerischen Methoden im Flugzeugbau Keywords: Optimierung, Strukturmechanik, Maschinenbau

Promotion an der Schnittstelle zwischen angewandter Mathematik und Klimamodellierung Thesis Title: "Error Estimation Algorithms in 3D Ocean Models"

Spezialisierung in Numerischer Mathematik mit Nebenfach Maschinenbau (Fluidmechanik) und Informatik