Lehrstuhlinhaber/in
![Prof. Dr. rer. pol. Pascal Kerschke](https://tu-dresden.de/bu/verkehr/ivw/bda/ressourcen/bilder/team/tu-dresden_pascal_kerschke.jpeg/@@images/ab8b41ff-da02-4dad-b749-37903d168145.jpeg)
Professor
NameHerr Prof. Dr. rer. pol. Pascal Kerschke
Eine verschlüsselte E-Mail über das SecureMail-Portal versenden (nur für TUD-externe Personen).
Professur für Big Data Analytics in Transportation
Professur für Big Data Analytics in Transportation
Besuchsadresse:
Bürozentrum Falkenbrunnen (FAL), Zimmer 005a (EG) Würzburger Str. 35
01187 Dresden
Sprechzeiten:
nach Vereinbarung
- Data Science
- Machine Learning
- Automated Algorithm Selection & Configuration
(Automated Machine Learning) -
Optimierung:
- Kontinuierliche (Black-Box) Optimierung
- Mehrkriterielle Optimierung
- Routen-Optimierung
-
Benchmarking:
- Exploratory Landscape Analysis
- Visualisierung
- Statistische Performance-Analyse
- Interpretierbarkeit Algorithmischen Verhaltens
(Interpretable Machine Learning, Explainable AI)
Koordinierendes Gründungsmitglied:
- Benchmarking Network
- COSEAL (Configuration and Selection of Algorithms)
Mitglied und/oder Unterstützer:
- ACM SigEVO (Special Interest Group on Genetic and Evolutionary Computation der Association for Computing Machinery)
- CLAIRE (Confederation of Laboratories for Artificial Intelligence Research in Europe)
-
DStatG (Deutsche Statistische Gesellschaft)
- ERCIS (European Research Center for Information Systems)
-
GfKl (Gesellschaft für Klassifikation)
-
GI (Gesellschaft für Informatik)
- IEEE CIS Task Force on Benchmarking
2017
-
An Expedition to Multimodal Multi-objective Optimization Landscapes , 19 Feb. 2017, 9th International Conference on Evolutionary Multi-Criterion OptimizationElektronische (Volltext-)VersionPublikation: Beitrag in Buch/Konferenzbericht/Sammelband/Gutachten > Beitrag in Konferenzband
2016
-
ASlib: A benchmark library for algorithm selection , 2016, in: Artificial intelligence. 237, S. 41-58Elektronische (Volltext-)VersionPublikation: Beitrag in Fachzeitschrift > Forschungsartikel
-
Low-Budget Exploratory Landscape Analysis on Multiple Peaks Models , 2016, Proceedings of the Genetic and Evolutionary Computation Conference 2016Elektronische (Volltext-)VersionPublikation: Beitrag in Buch/Konferenzbericht/Sammelband/Gutachten > Beitrag in Konferenzband
-
Modelling interventions in INGARCH processes , 2016, in: International Journal of Computer Mathematics. 93, 4, S. 640-657Elektronische (Volltext-)VersionPublikation: Beitrag in Fachzeitschrift > Forschungsartikel
-
The R-package FLACCO for exploratory landscape analysis with applications to multi-objective optimization problems , 2016, 2016 IEEE Congress on Evolutionary Computation (CEC). IEEE XploreElektronische (Volltext-)VersionPublikation: Beitrag in Buch/Konferenzbericht/Sammelband/Gutachten > Beitrag in Konferenzband
2015
-
An overview of topic discovery in Twitter communication through social media analytics , 2015, 2015 Americas Conference on Information Systems, AMCIS 2015Publikation: Beitrag in Buch/Konferenzbericht/Sammelband/Gutachten > Beitrag in Konferenzband
-
Improving the state of the art in inexact TSP solving using per-instance algorithm selection , 2015, Learning and Intelligent Optimization: 9th International Conference, LION 9, Lille, France, January 12-15, 2015. Revised Selected Papers. Springer, Band 8994Elektronische (Volltext-)VersionPublikation: Beitrag in Buch/Konferenzbericht/Sammelband/Gutachten > Beitrag in Konferenzband
2014
-
Cell Mapping Techniques for Exploratory Landscape Analysis , 2014, EVOLVE - A Bridge between Probability, Set Oriented Numerics, and Evolutionary Computation VElektronische (Volltext-)VersionPublikation: Beitrag in Buch/Konferenzbericht/Sammelband/Gutachten > Beitrag in Konferenzband
- seit 2021:
Inhaber der Professur für Big Data Analytics in Transportation,
Fakultät Verkehrswissenschaften "Friedrich List", Technische Universität Dresden - seit 2019:
Dozent im Masterstudiengang IT-Management,
WWU Weiterbildung, Münster - seit 2019:
Dozent im Zertifikatsstudiengang Data Science,
WWU Weiterbildung, Münster - 2017 - 2021:
PostDoc am Lehrstuhl für Data Science: Statistik & Optimierung,
Institut für Wirtschaftsinformatik, Westfälische Wilhelms-Universität Münster - 2017 - 2020:
Dozent im dualen Studiengang Betriebswirtschaftslehre und Steuern,
Fachhochschule Münster - 2013 - 2017:
Wissenschaftlicher Mitarbeiter am Lehrstuhl für Data Science: Statistik & Optimierung,
Institut für Wirtschaftsinformatik, Westfälische Wilhelms-Universität Münster
- 2013 - 2017:
Promotion (Dr. rer. pol.) am Institut für Wirtschaftsinformatik,
Wirtschaftswissenschaftliche Fakultät, Westfälische Wilhelms-Universität Münster- Titel der Doktorarbeit: Automated and Feature-Based Problem Characterization and Algorithm Selection Through Machine Learning
- 2010 - 2013:
Datenwissenschaft (M.Sc.), Technische Universität Dortmund - 2011:
Auslandssemester (ERASMUS) an der Universität Bergen, Bergen, Norwegen - 2007 - 2010:
Datenanalyse und Datenmanagement (B.Sc.), Technische Universität Dortmund
- 09/2021:
Nominiert für den FOGA XVI Best Paper Award (2021),
FH Vorarlberg und Organisationskommittee der FOGA XVI- Nominiert wurde die Publikation:
Jonathan Heins, Jakob Bossek, Janina Pohl, Moritz Seiler, Heike Trautmann and Pascal Kerschke (2021). On the Potential of Normalized TSP Features for Automated Algorithm Selection. 16th ACM/SIGEVO Conference on Foundations of Genetic Algorithms (FOGA XVI), S. 1 - 15, ACM.
- Nominiert wurde die Publikation:
- 12/2018:
Dissertationspreis der Wirtschaftswissenschaftlichen Fakultät,
Westfälische Wilhelms-Universität Münster - 09/2018:
Invited Young Researcher auf dem 6th Heidelberg Laureate Forum,
Heidelberg Laureate Forum Foundation - 09/2016:
PPSN XIV Best Paper Award (2016),
Edinburgh Napier University und Organisationskommittee der PPSN XIV- Ausgezeichnet wurde die Publikation:
Pascal Kerschke, Hao Wang, Mike Preuss, Christian Grimme, André Deutz, Heike Trautmann, Michael Emmerich (2016). Towards Analyzing Multimodality of Continuous Multiobjective Landscapes. International Conference on Parallel Problem Solving from Nature (PPSN XIV), S. 962 - 972, Springer.
- Ausgezeichnet wurde die Publikation: