Regressionsverfahren für sehr große, hochdimensionale Daten (C04)

• Fachliche Zuordnung: Datenmanagement, datenintensive Systeme, Informatik-Methoden in der Wirtschaftsinformatik ; Mathematik ; Theoretische Informatik
• Förderung: Förderung von 2011 bis 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 124020371

Die Skalierbarkeit moderner Regressionsverfahren stößt beim Einsatz für große Datenmengen oder in eingebetteten Systemen an ihre Grenzen. Ziel dieses Projekts ist die Entwicklung von hocheffizienten Regressionsverfahren. Dabei entwickeln wir zum einen Algorithmen zur Reduktion der Anzahl der Beobachtungen für generalisierte lineare sowie Bayessche Regression z.B. durch zufällige lineare Projektionen und Stichproben. Zum anderen verfolgen wir den Entwurf von Verfahren zur Lösung nichtparametrischer Modelle unter Ressourceneinschränkungen an ihre Beschreibungskomplexität und unter Strukturannahmen wie z.B. Monotonie.

• DFG-Verfahren: Sonderforschungsbereiche
• Teilprojekt zu: SFB 876: Verfügbarkeit von Information durch Analyse unter Ressourcenbeschränkung
• Antragstellende Institution: Technische Universität Dortmund
• Teilprojektleiterinnen / Teilprojektleiter: Professorin Dr. Katja Ickstadt; Dr. Alexander Munteanu, seit 10/2019; Professor Dr. Christian Sohler, bis 9/2019