Prof. Dr. rer. nat. Gero Szepannek

Lehrangebot

  • BMSIB1800 - Data Literacy
  • BMSIB2600 - Analytical Statistics
  • BWLM6089 - Methoden des Data Mining
  • LTMB1200 - Data Literacy
  • LTM8B1700 - Mathematics/Statistics
  • LTM8B1800 - Analytical Statistics
  • LTM8B1910 - Research Methods
  • LTM8B1930 - Research Project
  • WINFB2300 - Statistik
  • WINFB3400 - Data Science for Business
  • WINFB3720 - Methoden der empirischen Forschung
  • WINFB4520 - Verfahren des Data Mining
  • SMIB6400 - Künstliche Intelligenz

Sprechstunde: Mittwochs 17.30 - 18.30 Uhr nach Voranmeldung

Bei Interesse an einem Abschlussarbeitsthema im Bereich Machine Learning / Data Science / Statistik können Studierende gerne per Email Kontakt mit mir aufnehmen.

Kurzvita
  • seit 2016: Professur für Statistik, Wirtschaftsmathematik und Machine Learning an der HOST
  • 2009 - 2016: Head of Scoring & Rating Models (Santander Consumer Bank / Santander Consumer Group)
  • 2008: Promotion an der TU Dortmund: "Mustererkennung zur Informationsextraktion aus simulierten Aktionspotenzialen des Hörnervs" (Zusammenarbeit mit Fraunhofer IDMT)
  • 2004: Diplom in Statistik an der TU Dortmund: „Verfahren zur Klassifikation und Visualisierung vieler Klassen in hochdimensionalen Räumen“
  • 2000/2001: Studium in Rennes (Frankreich) am ENSAI
Forschung
Forschungsinteressen

Forschungsgebiete:

  • Machinelles Lernen
  • Erklärbarkeit von Black Box Modellen
  • Clusteranalyse bei gemischten Datentypen
  • Computational Statistics
  • Fairness von Machine Learning Modellen
  • Kausale Inferenz
  • Text Mining & Sentimentanalyse

Angewandte Forschung:

  • Credit Scoring & IRBA
  • Data Literacy
  • Customer Relationship Management
  • Medizinische Diagnostik
  • Spracherkennung & Music Information Retrieval
Clustering Mixed-Type Data

 

Machine Learning and XAI

 

Credit Scoring

 

Computational Statistics
Data Literacy
Publikationen

For a list of my publications cf.e.g.Google Scholar or  ResearchGate.

Projekte
Responsible Machine Learning

Erstellung von deutschsprachigen Lehrmaterial zur Responsible Machine Learning. Kooperation mit der Scientific Foundation SmarterPoland.pl. Projektlaufzeit: 01.06.2022 – 31.10.2022.

Entwicklung einer sensorischen Landkarte der Stralsunder Biersorten

Projekt im Rahmen der hochschulinternen Forschungsprojektförderung in kooperation mit der Störtebeker Braumanufaktur GmbH. Laufzeit: 1.9.2023 - 31.12.2023.

Digitale Lehre: Mediendidaktische Unterstützung

Das Teilprojekt im Rahmen des Landesprogramms „Digitale Lehre“ in Mecklenburg-Vorpommern (Laufzeit: 1.5.2020 bis 31.12.2023) identifiziert für Dozierenden Möglichkeiten zur didaktischen Konzeption ergänzender digitaler Lehrangebote.

Auf dem Lernmanagementsystem Ilias der Hochschule Stralsund finden sich zahlreiche Informationen, Ideen, Anregungen und Handreichungen sowie die Möglichkeit zum Austausch der Lehrenden untereinander. Für alle Mitarbeitenden der HOST ist der Zugang zu den dort bereitgestellten Materialien möglich über den folgenden Link. Projektmitarbeitende sind Steve Sydow (Steve.Sydow@hochschule-stralsund.de) und Rabea Aschenbruck (Rabea.Aschenbruck@hochschule-stralsund.de).

Digitale Lehre: Digitalisierung von Umfragen in der Lehre

Teilprojekt im Rahmen des Landesprogramms Digitale Lehre in Mecklenburg/Vorpommern (Laufzeit: 1.3.2020 bis 31.12.2023).

Abgeschlossene Projekte
Mittelstand 4.0-Kompetenzzentrum Rostock (1. Förderphase)

Die Hochschule Stralsund ist Bestandteil des Kompetenzzentrums für Digitalisierung: Mittelstand 4.0-Kompetenzzentrum Rostock, das im Rahmen der Förderinitiative Mittelstand 4.0 des Bundesministeriums für Wirtschaft und Energie im Jahr an den Start ging.

Unter der Konsortialführerschaft der IT-Initiative MV e.V. begleiten die Hochschule Stralsund, das Institut für Implantattechnologie und Biomaterialien e.V. (IIB e.V.), die Universitätsmedizin Rostock Versorgungsstrukturen GmbH und die Hochschule Neubrandenburg regionale mittelständische Unternehmen auf dem Weg in die Digitalisierung. Unternehmen aus den Bereichen Tourismus und Gesundheitswirtschaft stehen dabei im Vordergrund. 

Im Fokus steht die Sensibilisierung für Chancen und Potentiale, die die Digitalisierung mit sich bringt. Neben der Sensibilisierung und Information wird das Kompetenzzentrum auch Schulungen anbieten, Workshops durchführen und die interessierten Unternehmen bei konkreten Umsetzungsprojekten begleiten. Anhand sogenannter Demonstratoren können sich Unternehmen im Vorfeld anschauen, wie Digitalisierung funktioniert. Im Fokus stehen hierbei insbesondere die Tourismusbranche sowie Data Science.

Das Stralsunder Teilprojekt DigiTOUR wurde in der ersten Förderphase durch Prof. Dr. Gero Szepannek vertreten, der von Prof. Dr. Michael Klotz, Prof. Dr. Björn Jacobsen, Prof. Dr. Jasminko Novak und Projekt-Mitarbeitenden sowie Studierenden begleitet wird. Das Projekt wird unter dem Förderkennzeichen 01MF17005E vom Bundesministerium für Wirtschaft und Energie unterstützt. Projektlaufzeit: 01.10.2017 - 30.09.2020

Deep Learning on Auditory Nerve Data

Analyse des Effektes von Hyperparametern tiefer neuronaler Netzwerke zur Tonhöhen- und Instrumentenklassifikation aus der simulierten Antwort des menschlichen Hörnervs.
Projekt im Rahmen der MINT-Mentoring - Nachwuchsförderung für Studierende in Vorbereitung auf eine Karriere in der Forschung.
Projektlaufzeit: 01.08.2022 – 31.12.2022.

Quantitative Analyse von wahrgenommenen Qualitätskriterien im Tourismus mit Hilfe von Text Mining

Untersuchungsgegenstand des Projektes sind touristische Entwicklungsprojekte in Transformations- und Schwellenländern. Mit Hilfe von Instrumentarien des Text Mining sollen  wahrgenommene Qualitätskriterien der Nutzer identifiziert und untersucht werden. Kooperation mit der HTW Berlin. Projektlaufzeit: 1.8.2019 - 31.7.2020.

Paper

Umsetzung des WWM Algorithmus

Umsetzung des WWM Algorithmus zur Identifikation einer Wechselwirkungsmatrix von Herb-drug interaktionen im Rahmen eines Unterauftrags des Kompetenznetzes Komplementärmedizin in der Onkologie (KOKON). Projektlaufzeit: 01.07.2019 - 31.08.2019.

Projekte im Rahmen der hochschulinternen Forschungsförderung
  • Produktevaluierung der Tourismusregion Waren/Müritz (01.01. - 31.12.2017)
  • Erwartungshaltung von Gesundheitstourismusgästen am Beispiel der Region Rostock/Warnemünde (01.01. - 31.12.2018)
  • Untersuchung des Einflusses von Hyperparametern tiefer neuronaler Netze (01.01. - 31.12.2019)
  • Identifikation eines zweckmäßigen Umfangs der Anwendung von Maschinenintelligenz (01.01. - 31.12.2020)
  • Modellierung der neuronalen Antwort zur Tonhöhenwahrnehmung von Menschen (01.01. - 31.12.2021)
Regionale Kooperationen
  • HanseYachts AG

  • MakerPort Stralsund

  • Mecklenburger Backstuben

  • Störtebeker Braumanufaktur

  • Strelapark

  • Tourismuszentrale Rostock & Warnemünde

  • Vogelpark Marlow

  • Waren (Müritz) Kur- und Tourismus GmbH

Team
  • M.Sc. Rabea Aschenbruck
  • B.Sc. Dominic Henning
  • Julie Rohrberg
Schulungsangebot
  • Einführung in Machine Learning ohne Programmierkenntnisse
  • Responsible Machine Learning
  • Credit Scoring mit R
  • Programmieren in R und SAS
  • Beratung in statistischen Fragestellungen
AG DANK Herbsttagung 2018
Quelle: Hansestadt Stralsund/Pressestelle
Int. Workshop Data Science in Finance 2023
  • Rabea Aschenbruck: „The k Prototypes Algorithm for Clustering Mixed-Type Data“
  • Anna Denkowska, Stanisław Wanat: "Systemic Risk Modeling in the Insurance Sektor based on the Copula-DCC-GARCH-MST-DTW model"
  • Grzegorz Korbela: "Modeling human mortality with the usage of macroeconomic factors"
  • Krystian Szczęsny, Stanisław Wanat: "Risk Aggregation in Solvency Capital Requirement: Deep Neural Networks, C-vine Copulas in identifying marginal distributions and multidimensional copula"
  • Gero Szepannek: „mlr3shiny – a Graphical User Interface for State of the Art Machine Learning”, „Measuring Fairness of Credit Scoring Models”
  • Jan Wosnitza: „Calibration of PD Models and Quantification of their General Estimation Error (MoC C)”
R User Treffen Stralsund
06.11.2023

Vorträge:

  • Marta Nai Ruscone (Universita di Genova): Model based clustering with the packages mclust - teigen - mixsmsn
31.05.2023

Vorträge:

  • "Application of R in the analysis of the influence of macroeconomic policy on life expectancy", Anna Denkowska and Grzegorz Korbela (Cracow University of Economics),
  • "dataquieR — Data Quality Assessments with R“, Stephan Struckmann (Uniklinikum Greifswald Greifswald).
23.11.2022

Vorträge:

  • "Tools for cluster validation", Christian Hennig (Universita di Bologna) FolienDaten
  • "Measuring emotions in domestic pigs – and how to prepare a reproducible workflow for publication", Anja Eggert (Forschungsinstitut für Nutztierbiologie, Dummersdorf)
13.07.2022

Vorträge:

  • "Deskriptive Datenanalysen im Tidyverse", Lars Koppers (Science Media Center, Köln)
  • "mlr3shiny – State-of-the-Art Machine Learning Made Easy", Laurens Tetzlaff (Jheronimus Academy of Data Science, 's-Hertogenbosch, NL)
17.11.2021

Vorträge:

  • "As fast as it gets? Challenging R(cpp) with Julia", Philipp Wittenberg & Philipp Adämmer (Helmut Schmidt Universität Hamburg)
  • "Pathway/Disease enrichment analysis using Bioconductor package", Neetika Nath (Institut für Bioinformatik, Universitätsmedizin Greifswald)
  • "Schnittmengenvisualisierung mit ComplexUpSet - ein Anwendungsbeispiel in der Blutkulturdiagnostik", Marcus Vollmer (Institut für Bioinformatik, Universitätsmedizin Greifswald)
28.04.2021

Vortrag:

  • "Die perfekte Grafik mit R - base schlägt gg", Ulrike Grömping (BHT Berlin). Link zu den Folien.
20.11.2019

Vorträge:

  • "Einführung in Bayesverfahren mit R", Christian Röver (Universität Göttingen)
  • "Ergebnisse Performance Coding Challenge", Mario Trouillier (Universität Greifswald), Download Challenge

 

13.03.2019

Vorträge:

  • "Circular visualization in R & having fun", Yvonne Gladbach (Universität Rostock)
  • "Dimensionsreduktion... von PCA bis HDA -- Heteroskedastische Diskriminanzanalyse (und wofür sie gut ist)", Gero Szepannek (Hochschule Stralsund)

Prof. Dr. rer. nat.
Gero Szepannek

Statistik, Wirtschaftsmathematik und Machine Learning

Tel:

+49 3831 45 6672

Raum:

322, Haus 21