Data Science

Die Mitglieder des CIDAS forschen in verschiedenen Bereichen der Data Science und Digitalisierung. Somit wird sowohl den Fragestellungen im Methodischen, wie auch im Angewandten Bereich der Data Science nachgegangen. Zugleich werden auch die gesellschaftswissenschaftlichen Einflüsse der Digitalisierung untersucht. In den untenstehenden Klappboxen finden Sie eine Auswahl an Projekten und Publikationen in denen Mitglieder des CIDAS maßgeblich beteiligt sind.
Bei Fragen zu den einzelnen Projekten sind Sie eingeladen, sich an die entsprechenden Kontaktpersonen zu wenden.


Vortragsreihe im Wintersemester 2020/21 zum Themenbereich "Machine Learning"

  • 28.10.2020: Prof. Dr. Fabian J. Theis, Institute of Computational Biology, Helmholtz Center Munich: Artificial Intelligence in Biomedicine

  • 25.11.2020: Prof. Dr. Holger Fröhlich, Frauenhofer SCAI: Data Science in Biomedicine: Challenges and Opportunities

  • 27.01.2021: Dr. Dominik Seidel, Georg-August-University: Big data and machine learning- sharing some experience from forest science

  • 10.02.2021: Prof. Dr. Sabine Pfeiffer, Friedrich-Alexander-Universität Erlangen-Nürnberg, Nuremberg Campus of Technology: Machine Learning and learning organizations – a contradiction?

  • 24.02.2021: Prof. Dr. Delphine Reinhardt, Georg-August-University: How Privacy meets Machine Learning
Die Vortragsreihe findet als virtuelle Veranstaltung mit Zoom statt und startet jeweils um 17s.t. Link: https://uni-goettingen.zoom.us/j/97944955244?pwd=Zm0wWWxFaEF0QlJ0WVNmOWxPNzdwZz09
Kenncode: 454178
SFB 990 "Ecological and Socioeconomic Functions of Tropical Lowland Rainforest Transformation Systems (Sumatra, Indonesia)"
und das Teilprojekt INF - Forschungsdatenmanagement und integrative statistische Datenanalyse: Das INF-Projekt stellt dem SFB 990 die notwendige technische Infrastruktur, Beratung und Unterstützung für die nachhaltige Forschung über den gesamten Datenzyklus bereit. Dazu ist INF in die Forschungsprojekte integriert und bietet sowohl projektübergreifende, als auch spezifische Lösungen. Die Angebote umfassen neben der allgemeinen Beratung zu allen Aspekten des Datenmanagements, eine Modulare Forschungsinfrastruktur, spezifische Angebote für GIS-Daten und die Unterstützung bei der Methodenentwicklung und Anwendung statistischer Verfahren. INF sichert ein offenes und nachhaltiges Datenmanagement, fördert die Nachnutzbarkeit und stärkt die Datenqualität und Methodik.

Daten Lesen Lernen
Als forschungsstarker Verbund universitärer und universitätsnaher Forschungsinstitutionen arbeitet der Göttingen Campus federführend an der Entwicklung im Bereich Data Science mit. Im Zuge des Projektes "Daten Lesen Lernen" sollen die vorhandenen Kompetenzen und infrastrukturellen Ressourcen genutzt werden, um Datenkompetenzen auch in der Fläche des Campus zu verankern. Ziel des Projektes ist dabei die Etablierung eines breiten und allgemein verfügbaren Angebots zur Vermittlung von grundlegenden Datenkompetenzen an alle Bachelorstudierenden als Initiative des Göttingen Campus, bestehend aus der dafür konzipierten Lehrveranstaltung "Data Literacy Basics", dem Aufbau eines DataLabs und die Aufbereitung und Bereitstellung von Open Educational Resources zur Abrundung des Lehrangebots.

GRK 2300 Erhöhung der Baumartendiversität von Buchenwäldern durch Koniferen
Weltweit steigen die gesellschaftlichen Ansprüche an Wälder, eine Vielzahl ökosystemarer Güter und Dienstleistungen zu erbringen. Eine Möglichkeit dieser Herausforderung zu begegnen besteht darin, bei der Bewirtschaftung Aspekte der forstlichen Produktion mit Aspekten des Naturschutzes zu verbinden. In diesem Zusammenhang sind Mischbestände aus örtlich natürlich vorkommenden Baumarten und solchen, die zwar hochproduktiv sind, aber außerhalb ihres natürlichen Verbreitungsgebietes angebaut werden, von besonderem Interesse. In elf eng miteinander verbundenen Teilprojekten werden in insgesamt 40 Waldbeständen sowohl die wichtigsten funktionalen Merkmale der Baumarten und jene assoziierter Organismengruppen untersucht, als auch die Mechanismen, die diese mit den Ökosystemfunktionen verbinden. Das Qualifizierungskonzept beruht auf einem anspruchsvollen, klar strukturierten und interdisziplinären Studienprogramm mit intensiver Betreuung durch die Antragsteller.

Teil des Projektes Öffentlichkeitsbeteiligung beim Ausbau der deutschen Stromnetze.
Mit Hilfe von computergestützten Verfahren der Textanalyse wird ermittelt, wie sich die Öffentlichkeit an Konsultationen beteiligt (Themenklassifizierung, Sentiment und Komplexität der Texte), und wie die Politik darauf reagiert.

eLabour
Ziel des Projektverbundes eLabour ist der Aufbau eines Kompetenzzentrums, das eine IT-basierte Forschungsinfrastruktur für qualitative, arbeitssoziologische Forschungsdaten, Methoden und Beratung für wissenschaftliche Sekundäranalysen zum Wandel von Arbeit organisiert und anbietet. Einschließlich des Vorgänger-Projektes (Re:SozIT) werden diese Aktivitäten seit dem Jahr 2012 vom BMBF im Rahmen der Forderung der eHumanities unterstützt.
Leitung: Prof. Dr. Nicole Mayer-Ahuja, Koordination: Heidemarie Hanekop Partner: GWDG, SUB, L3S Hannover, SOFI, ISF München, Institut für Soziologie der Universität Jena.

Mainstream News Feeding in the conflict over Genome Editing in Agriculture
In polarized social conflicts, highly involved actors seek to influence public communication. One way of doing so is to distribute news coverage in their social networks and to comment on it. In a current study, we analyze how prominent Twitter users reacted to news coverage of the 2018 European Court of Justice’s ruling over regulations of Genome Editing in agriculture. We seek to identify patterns of news feeding and to link it to features of the news items as well as to user characteristics.

Augmented Deliberative Democracy (ADD-up): Enhancing Large-scale Public Arbitrations in Real Time
The project Augmented Deliberative Democracy (ADD-up): Enhancing Large-scale Public Arbitrations in Real Time is funded 04/2017 – 12/2021 by the Volkswagen Foundation. ADD-up promotes interdisciplinary research in the field of computational social science. Principal investigators are Dr. Annette Hautli-Janisz (General and Computational Linguistics), Dr. Brian Plüss (Argumentation Mining and Visualization), and Dr. Valentin Gold (Political Science).
The aim of this project is to capitalize on the increasing digitalisation of society for advancing techniques of participatory democracy. For instance, analyses of sport events broadcast on TV (e.g. football games) are presented to the viewer by way of augmented reality, a technique which is used to enhance the experience of the viewer with computer-supplied data. The aim of the present project is to automatically monitor and enhance large-scale participatory processes in a similar way. Through an interdisciplinary collaboration between Political Science (University of Göttingen, Germany), Linguistics (University of Konstanz, Germany) and Computer Science (University of Dundee, Scotland), we will develop ADD-up, an innovative system for Augmented Deliberative Democracy (ADD).
In collaborative work with VALIDA we have set up a first prototype for streaming communications in real-time. Some of our current ideas and potentials are demonstrated (in German) at https://tvduell.valentingold.de.

Heinzelmännchen-Cluster zur Live-Auswertung von Raster-Nano-SAXS-Messungen
Scharfe Bilder mit Röntgenstrahlen: Mit der Raster-Nano-SAXS-Methode wird eine Probe, z.B. eine einzelne biologische Zelle, in einem stark fokussierten Röntgenstrahl abgerastert, und an jedem Ort wird ein reziprokes Beugungsbild gespeichert. So entstehen Bilder mit einer Auflösung von unter 100 nm im Ortsraum, kombiniert mit Strukturinformationen im Bereich weniger nm.
Zur Datenauswertung wurde nun ein dediziertes „Heinzelmännchen“-System in Betrieb genommen.

Comparative evolutionary genomics
Digging the genomes of extant species to understand our evolutionary past is one of the most exciting opportunities of our time. The combination of bioinformatic and evolutionary analysis with genome-scale data provides new views on century-old questions. The comparative study of plant and algal genomes can reveal new insights into the genomic basis of terrestrialization and other major evolutionary lifestyle transitions. Contact: Iker Irisarri Aedo

Terrestrialization: Stress Signalling Dynamics in the Algal Progenitors of Land Plants
All macroscopic plants on the surface of our planet can be traced back to a single plant terrestrialization event. The ERC project “TerreStriAL” aims at understanding the genetic chassis that aided plants in getting a foothold on land. For this, comparative analyses of large-scale sequencing data from plants and algae are used to understand the deep evolutionary roots of key plant genes and pathways.

Aufdecken versteckter Informationen hinter MR-Bildern: Erlernen quantitativer Imaging Biomarker aus BigData Rohdaten der MRT
Die Magnetresonanztomographie (MRT) ist eine Bildgebungsmethode, die heute schon fantastische Möglichkeiten bietet. MRT-Messungen dauern aber relativ lange. Deshalb kann das volle Potential der MRT heute noch gar nicht vollständig zum Nutzen des Patienten ausgeschöpft werden. Ziel dieses Projektes ist es, mit Methoden des maschinellen Lernens neue Techniken zu entwickeln, um für eine Diagnose wichtige quantitative Informationen schon aus sehr kurzen Messungen gewinnen zu können. Um die notwendigen Modelle aus MRT-Messdaten lernen zu können, ist der Aufbau von großen Datenbanken erforderlich. Contact: Martin Uecker

BART-Toolbox
The Berkeley Advanced Reconstruction Toolbox (BART) toolbox is a free and open-source image-reconstruction framework for Computational Magnetic Resonance Imaging developed by the research groups of Martin Uecker
(Göttingen University), Jon Tamir (UT Austin), and Michael Lustig (UC Berkeley). It consists of a programming library and a toolbox of command-line programs. The library provides common operations on multi-dimensional arrays, Fourier and wavelet transforms, as well as generic implementations of iterative optimization algorithms. The command-line tools provide direct access to basic operations on multi-dimensional arrays as well as efficient implementations of many calibration and reconstruction algorithms for parallel imaging and compressed sensing.

Data Science in Economics
In dem Projekt Data Science in Economics wird Studierenden aus Data Science nahen Studiengängen (z.B. Angewandte Data Science und Angewandte Statistik) die Möglichkeit geboten in kleineren Forschungsprojekten an der Schnittstelle zwischen Datenwissenschaften und Wirtschaftswissenschaften mitzuarbeiten und die theoretisch erlernten Verfahren aus dem Studium in der praktischen Forschung anzuwenden. Die Projekte beschäftigen sich mit folgenden Themen: • Analyse der Twitterdiskussion zu Covid-19 in den USA und Indonesien mit Machine Learning und Topic Modellen
• Räumliche Modellierung von ex ante Risiken für Covid
• Modellierung von Ungleichheit mit Distributional Learning
• Visualisierung der räumlichen Verteilung von Themen geocodierter Twitterdaten
• Implementierung eines ADAM-Algorithmus zur Schätzung strukturierter und erklärbarer Terme in neuronalen Netzen
• Schätzung additiver Terme in strukturierten Themenmodellen
Die mit der Hilfe studentischer bzw. wissenschaftlicher Hilfskräfte erzielten Ergebnisse sollen in kleinere Veröffentlichungen (Konferenzbeiträge, Softwarepakete etc.) münden. Gleichzeitig dient das Projekt als eine Anschubfinanzierung für eine längerfristige Kooperation zwischen den beteiligten und weiteren im CIDAS organisierten Wissenschaftler*innen um das Potential von Data Science Verfahren für die Beantwortung von angewandten und ökonomischen Fragestellungen aufzuzeigen.
Kontakt: Dr. Benjamin Säfken

Weitere Projekte:

Combinatorics of Word Morphisms

Predicting User Privacy Preferences based on Dynamic Interpersonal Relationships and Content Sensitivity Analysis

2020
Kant, G., Weisser, C. and Säfken, B. (2020): TTLocVis: A Twitter Topic Location Visualization Package. Journal of Open Source Software, 5 (54), 2507, https://doi.org/10.21105/joss.02507.

Fernau, H., Manea, F., Mercas, R. & Schmid, M. L. (2020): Pattern Matching with Variables: Efficient Algorithms and Complexity Results. ACM Trans. Comput. Theory 12(1): 6:1-6:37.

Ustyuzhaninov, I., Cadena, S. A., Froudarakis, E., Fahey, P. G., Walker, E. Y., Cobos, E., Reimer, J., Sinz, F. H., Tolias, A. S., Bethge, M. & Ecker, A. S. (2020): Rotation-invariant clustering of functional cell types in primary visual cortex. International Conference on Learning Representations (ICLR).

Barker, L., Fleischmann, P., Harwardt, K., Manea, F. & Nowotka D. (2020): Scattered Factor-Universality of Words. DLT 2020: 14-28.

Fleischmann, P., Lejeune, M., Manea, F., Nowotka, D. & Rigo, M. (2020): Reconstructing Words from Right-Bounded-Block Words. DLT 2020: 96-109.

Day, J. D. & Manea, F. (2020): On the Structure of Solution Sets to Regular Word Equations. ICALP 124:1-124:16.

Fink, S., Ruffing, E., Burst, T., & Chinnow, K. (2020). Mapping the emotional landscape of consultation contributions. Paper presented at the ECPR Joint Sessions Toulouse: https://ecpr.eu/Events/PaperDetails.aspx?PaperID=48213&EventID=129

Lohse, L. M., Robisch, A.-L., Töpperwien, M., Maretzke, S., Krenkel, M., Hagemann, J. & Salditt, T. (2020): A phase-retrieval toolbox for X-ray holography and tomography Journal of Synchrotron Radiation 27, 3.

Eckermann, M., Frohn, J., Reichardt, M., Osterhoff, M., Sprung, M., Westermeier, F., Tzankov, A., Werlein, C., Kuehnel, M., Jonigk D. & Salditt T. (2020): 3d Virtual Patho-Histology of Lung Tissue from Covid-19 Patients based on Phase Contrast X-ray Tomography eLife, 9:e60408.

Töpperwien, M., van der Meer, F., Stadelmann, C. & Salditt, T. (2020): Correlative x-ray phase-contrast tomography and histology of human brain tissue affected by Alzheimer's disease, NeuroImage, 210, 116523.

Reichardt, M., Töpperwien, M., Khan, A., Alves, F. & Salditt, F. (2020): Fiber orientation in a whole mouse heart reconstructed by laboratory phase-contrast micro-CT, Journal of Medical Imaging, 7, 023501

Klatt, M., Tameling, C. & Munk, A. (2020): Empirical regularized optimal transport: Statistical theory and applications. SIAM Journal on Mathematics of Data Science 2 (2), 419-443.

Behr, M., Ansari, M.A., Munk, A. & Holmes, C. (2020): Testing for dependence on tree structures. Proceedings of the National Academy of Sciences 117 (18), 9787-9792.

Röhling, S., Linne, A., Schellhorn, J., Hosseini, M., Dencker, T. & Morgenstern, B. (2020): The number of k-mer matches between two DNA sequences as a function of k and applications to estimate phylogenetic distances PLOS ONE 15, e0228070.

de Vries, S. & de Vries, J. (2020): A Global Survey of Carbohydrate Esterase Families 1 and 10 in Oomycetes. Frontiers in Genetics, 11, 756. ttps://doi.org/10.3389/fgene.2020.00756

de Vries, S., de Vries, J., Archibald, J. M. & Slamovits, C.S. (2020): Comparative analyses of saprotrophy in Salisapilia sapeloensis and diverse plant pathogenic oomycetes reveal lifestyle-specific gene expression. FEMS Microbiology Ecology, 96, 2020, fiaa184. doi: 10.1093/femsec/fiaa184.

de Vries, J. & Ischebeck, T. (2020): Ties between Stress and Lipid Droplets Pre-date Seeds. Trends in Plant Science, https://doi.org/10.1016/j.tplants.2020.07.017.

de Vries, J., de Vries, S., Curtis, B.A., Zhou, H., Penny, S., Feussner, K., Pinto, D.M., Steinert, M., Cohen, A. M., von Schwarzenberg, K. & Archibald, J.M. (2020): Heat stress response in the closest algal relatives of land plants reveals conserved stress signaling circuits. The Plant Journal 103, 1025-1048.

Li, F.-W., Nishiyama, T., Waller, M., Frangedakis, E., Keller, J., Li, Z., Fernandez-pozo, N., Barker, M.S., Bennett, T., Blázquez, M.A., Cheng, S., Cuming, A.C., de Vries, J., de Vries, S., Delaux, P.-M., Diop, I.S., Harrisom C.j., Hauser, D., Hernández-García, J., Kirbis, A., Meeks, J.C., Monte, I., Mutte, S.K., Neubauer, A., Quandt, D., Robinson, T., Shimamura, M., Rensing, S.S., Villarreal, J.C., Weijers, D., Wicke, S., Wong, G.K.-S., Sakakibara, K. & Szövényi, P. (2020): Anthoceros genomes illuminate the origin of land plants and the unique biology of hornworts. Nature Plants, 6:259-272.

Schmitzer, B., Schäfers, K.P. & Wirth, B. (2020): Dynamic Cell Imaging in PET with Optimal Transport Regularization, IEEE Trans Med Imaging 39(5), 1626-1635 (2020) https://doi.org/10.1109/TMI.2019.2953773

Rudolf, D., Natarovskii, V. & Sprungk, B. (accepted for publication): Quantitative spectral gap estimate and Wasserstein contraction of simple slice sampling, Ann. Appl. Probab.

Rosenzweig, S., Scholand, N., Holme, H.C.M. & Uecker, M. (2020): Cardiac and Respiratory Self-Gating in Radial MRI using an Adapted Singular Spectrum Analysis (SSA-FARY). IEEE Transactions on Medical Imaging, 39:3029-3041.


2019

Kneib, T., Klein, N., Lang, S. & Umlauf, N. (2019): Modular Regression - A Lego System for Building Structured Additive Distributional Regression Models with Tensor Product Interactions (with discussion and rejoinder) TEST, 28, 1-59.

Cadena, S. A., Denfield, G. H., Walker, E. Y., Gatys, L. A., Tolias, A. S., Bethge, M. & Ecker, A. S. (2019): Deep convolutional models improve predictions of macaque V1 responses to natural images PLoS Computational Biology.

Chereda, H., Bleckmann, A., Kramer, F., Leha, A. & Beissbarth, T. (2019): Utilizing Molecular Network Information via Graph Convolutional Neural Networks to Predict Metastatic Event in Breast Cancer. Stud Health Technol Inform. 2019 Sep 3; 267:181-186.

Mayer-Ahuja, N., Dunkel, D. & Hanekop, H. (2019): Sekundäranalysen zum Wandel von Arbeit nach dem Fordismus: Zur Einführung. In: Wolfgang Dunkel, Heidemarie Hanekop, Nicole Mayer-Ahuja (Hg.): Blick zurück nach vorn, Sekundäranalysen zum Wandel von Arbeit nach dem Fordismus. International Labour Studies, Campus Verlag, Frankfurt/ New York, S. 7-24.

Ruhlandt A. & T. Salditt, T. (2019): Time-resolved x-ray phase-contrast tomography of sedimenting micro-spheres. New Journal of Physics, 21, 043017

Osterhoff, M., Goeman, J., Saltitt, T. & Köster, S. (2019): STXM Analysis: Preparing To Go Live @ 750Hz. AIP Conference Proceedings 2054, 060075 (2019); Https://doi.org/10.1063/1.5084706.

Sommerfeld, M., Schrieber, J., Zemel, Y. & Munk, A. (2019): Optimal Transport: Fast Probabilistic Approximation with Exact Solvers. Journal of Machine Learning Research 20 (105), 1-23.

Holme, H. C. M., Rosenzweig, S., Ong, F., Wilke, R.N., Lustig, M. & Uecker M. (2019): ENLIVE: An Efficient Nonlinear Method for Calibrationless and Robust Parallel Imaging. Scientific Reports, 9:3034.

Salecker, J., Sciaini, M., Meyer, K.M. & Wiegand, K. (2019): The nlrx R package: A next-generation framework for reproducible NetLogo model analyses. Methods in Ecology and Evolution 10, 1854-1863.

Leimeister, C.-A., Schellhorn, J., Dörrer, S., Gerth, M., Bleidorn, C. & Morgenstern, B. (2019): Prot-SpaM: Fast alignment-free phylogeny reconstruction based on whole-proteome sequences GigaScience 8, giy148.

Post, S. (2019): Polarizing communication as media effects on antagonists. Understanding communication in conflicts in digital media societies. Communication Theory 29(2), 213-235.

Schmitzer, B. (2019): Stabilized Sparse Scaling Algorithms for Entropy Regularized Transport Problems, SIAM Journal on Scientific Computing (SISC) 41(3), A1443-A1481 https://doi.org/10.1137/16M1106018

Post, S., Bienzeisler, N. & Lohöfener, M. (2019): Partisan News Feeding on Twitter in a Controversy. The European Case of Agricultural Genome Editing. Accepted for presentation at the 8th, European Communciation Conference (ECREA). Braga (Portugal), October 2020.

Frahm, J., Voit, D. & Uecker, M. (2019): Real-Time Magnetic Resonance Imaging: Radial Gradient-Echo Sequences With Nonlinear Inverse Reconstruction. Investigative Radiology 54:757-766.


2018

Thaden, H. & Kneib, T. (2018): Structural Equation Models for Dealing with Spatial Confounding. The American Statistician, 72, 239-252.

Perera-Bel, J., Hutter, B., Heining, C., Bleckmann, A., Fröhlich, M., Fröhling, S., Glimm, H., Brors, B. & Beißbarth, T. (2018): From somatic variants towards precision oncology: Evidence-driven reporting of treatment options in molecular tumor boards. Genome Med. 2018 Mar 15;10(1):18.

Proksch, K., Werner, F. & Munk, A. (2018): Multiscale scanning in inverse problems. The Annals of Statistics 46 (6B), 3569-3602.

Dislich, C., Hettig, E., Salecker, J., Heinonen, J., Lay, J., Meyer, K.M., Wiegand, K. & Tarigan, S. (2018): Land-use change in oil palm dominated tropical landscapes – An agent-based model to explore ecological and socio-economic trade-offs. PLOS ONE 13, e0190506.

Plüss, B., Sperrle, F., Gold, V., El-Assady, M., Hautli-Janisz, A., Budzysnka, K. & Reed, C. (2018): "Augmenting Public Deliberations through Stream Argument Analytics and Visualisations" In: Proceedings of Leipzig symposium on Visualization In Applications (LEVIA), 2018, pp. 1–9. Leipzig, Germany. (https://ul.qucosa.de/api/qucosa%3A32801/attachment/ATT-0/)

Rudolf, D. & Schweizer, N. (2018): Perturbation theory for Markov chains via Wasserstein distance, Bernoulli 24, 2610-2639.

Whelan, S., Irisarri, I. & Burki, F. (2018): PREQUAL: detecting non-homologous characters in sets of unaligned homologous sequences. Bioinformatics 34(22):3929-3930.

Wang, X., Roeloffs, V., Klosowski, J., Tan, Z., Voit, D., Uecker, M. & Frahm, J. (2018): Model-based T1 Mapping with Sparsity Constraints Using Single-Shot Inversion-Recovery Radial FLASH. Magnetic Resonance in Medicine 79:730-740.


2017

Hanekop, H. & Mayer-Ahuja, N. (2017): IT-basierte Sekundäranalyse: Neue Konturen von Produktion und Arbeit? In: Mitteilungen aus dem SOFI, Jg. 11, Ausgabe 26, S. 16.

Birke, P. & Mayer-Ahuja, N. (2017): Sekundäranalyse qualitativer Organisationsdaten. In: Liebig, Stefan; Matiaske, Wenzel; Rosenbohm, Sophie, Handbuch empirische Organisationsforschung, Springer (mit Peter Birke), 105-126.

Gold, V., El-Assady, M., Hautli-Janisz, A., Bögel, T., Rohrdantz, C., Butt, M., Holzinger, K. & Keim, D.A. (2017): "Visual Linguistic Analysis of Political Discussions: Measuring Deliberative Quality". Digital Scholarship in the Humanities 32(1), pp. 141–158. (https://academic.oup.com/dsh/article-abstract/32/1/141/2957350?redirectedFrom=fulltext)

Irisarri, I., Baurain, D., Brinkmann, H., Delsuc, F., Sire, J.-Y., Kupfer, A., Petersen, J., Jarek, M., Meyer, A., Vences, M. & Philippe, H. (2017): Phylotranscriptomic consolidation of the jawed vertebrate timetree. Nat. Ecol. Evol. 1: 1370-1378. DOI:10.1038/s41559-017-0240-5.

Osterhof, M. (2017): dada – a web-based 2D detector analysis tool. IOP Conf. Series: Journal of Physics: Conf. Series 849, 012059, doi :10.1088/1742-6596/849/1/012059

Schaetz, S., Voit, D., Frahm, J. & Uecker, M. (2017): Accelerated Computing in Magnetic Resonance Imaging - Real-Time Imaging Using Non-Linear Inverse Reconstruction. Computational and Mathematical Methods in Medicine 2017:3527269


2016

Gatys, L.A., Ecker, A.S. & Bethge, M. (2016): Image Style Transfer Using Convolutional Neural. In: Networks Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition.


2015

Klein, N., Kneib, T., Lang, S. & Sohn, A. (2015): Bayesian Structured Additive Distributional Regression with an Application to Regional Income Inequality in Germany. Annals of Applied Statistics, 9, 1024-1052.

Reinhardt, D., Engelmann, F., Moerov, A. & Hollick, H. (2015): Show Me Your Phone, I Will Tell You Who Your Friends Are: Analyzing Smartphone Data To Identify Social Relationships. In Proceedings of the 14th ACM International Conference on Mobile and Ubiquitous Multimedia (MUM).