Dr. rer. pol. Kai Heinrich

Inhaltsverzeichnis

    1. ​Lebenslauf
    2. ​Forschungsinteressen
    3. Publikationen
    4. Vorträge
Kai Heinrich © Conny Schumann

Mitarbeiter

Name

Dr. rer. pol. Kai Heinrich

E-Mail senden
Adresse work

Besucheradresse:

Hülße-Bau, N 209 Helmholtzstraße 10

01069 Dresden

Zeige Karte von diesem Ort.

work Tel.
fax Fax
+49 351 463-32736

Sprechzeiten:

Bitte Termin per Mail anfragen

​Lebenslauf

Universitäre Tätigkeiten  
seit 04/2021 Otto-von-Guericke-Universität Magdeburg
seit 01/2017 Wissenschaftlicher Mitarbeiter und Post-Doc an der Professur für Wirtschaftsinformatik, insb. Intelligente Systeme und Dienste (ehem. Business Intelligence Research)
10/2016 Promotion zum Dr. rer. pol. mit dem Thema "The Missing Link: A general prediction model based on textual and network data features"
07/2011-10/2016 Wissenschaftlicher Mitarbeiter und Doktorand am Lehrstuhl Business Intelligence Research
   
Studium  
06/2011 Diplom an der Technischen Universität Dresden zum Diplom-Wirtschaftsinformatiker
10/2005 - 06/2011 Studium der Wirtschaftsinformatik an der Technischen Universität Dresden
   
Schule  
 06/2004 Abitur am Gymnasium Coswig

​Forschungsinteressen

  • Complex Network Theory
  • Data- und Text-Mining
  • Statistische Modelle
  • Data Science und Big Data
  • Deep Learning
  • Machine Learning

Publikationen

1 bis 10 von 30 Einträgen

Zschech, Patrick; Horn, Richard; Höschele, Daniel; Janiesch, Christian; Heinrich, Kai: Intelligent User Assistance for Automated Data Mining Method Selection. In: Business & Information Systems Engineering 62 (2020), Nr. 3

Heinrich, Kai; Zschech, Patrick; Janiesch, Christian; Bonin, Markus: Ein Vergleich aktueller Deep-Learning-Architekturen zur Prognose von Prozessverhalten. In: Tagungsband 15. Internationale Tagung Wirtschaftsinformatik (WI) (2020)

Heinrich, Kai; Roth, Andreas; Breithaupt, Lukas; Möller, Björn; Maresch, Johannes: Yield Prognosis for the Agrarian Management of Vineyards using Deep Learning for Object Counting. In: In: 14. Internationale Tagung Wirtschaftsinformatik (WI) (2019) (2019)

Könning, Michael; Heinrich, Kai; Leyh, Christian; Westner, Markus: A quantitative analysis of culture-induced differences in pivotal IT outsourcing contract features. In: Proceedings of the 27th European Conference on Information Systems (ECIS) (2019)

Zschech, Patrick; Bernien, Jonas; Heinrich, Kai: Towards a Taxonomic Benchmarking Framework for Predictive Maintenance: The Case of NASA’s Turbofan Degradation. In: Proceedings of the 40th International Conference on Information Systems (ICIS) (2019)

Heinrich, Kai; Möller, Björn; Janiesch, Christian; Zschech, Patrick: Is Bigger Always Better? Lessons Learnt from the Evolution of Deep Learning Architectures for Image Classification. In: 2019 Pre-ICIS SIGDSA Symposium (2019)

Zschech, Patrick; Heinrich, Kai; Bink, Raphael; Neufeld, Janis Sebastian: Prognostic Model Development with Missing Labels - A Condition-Based Maintenance Approach Using Machine Learning. In: Business & Information Systems Engineering 61 (2019), Nr. 3, S. 327–343

Heinrich, Kai; Zschech, Patrick; Skouti, Tarek; Griebenow, Jakob; Riechert, Sebastian: Demystifying the Black Box: A Classification Scheme for Interpretation and Visualization of Deep Intelligent Systems. In: Proceedings of the 25th Americas Conference on Information System (AMCIS) (2019)

Zschech, Patrick; Heinrich, Kai; Horn, Richard; Höschele, Daniel: Towards a Text-based Recommender System for Data Mining Method Selection. In: Proceedings of the 25th Americas Conference on Information System (AMCIS) (2019)

Heinrich, Kai; Roth, Andreas; Zschech, Patrick: Everything Counts: A Taxonomy of Deep Learning Approaches for Object Counting. In: Proceedings of the 27th European Conference on Information Systems (ECIS) (2019)

Diese Informationen werden vom Vorgängersystem FIS bereitgestellt.

Vorträge

1 bis 10 von 14 Einträgen

Ein Vergleich aktueller Deep-Learning-Architekturen zur Prognose von Prozessverhalten
Kai Heinrich, Patrick Zschech, Christian Janiesch, Markus Bonin, 09.03.2020 - 11.03.2020

Is Bigger Always Better? Lessons Learnt from the Evolution of Deep Learning Architectures for Image Classification
Kai Heinrich, Björn Möller, Christian Janiesch, Patrick Zschech, 14.12.2019 - 15.12.2019

Towards a Taxonomic Benchmarking Framework for Predictive Maintenance: The Case of NASA’s Turbofan Degradation
Patrick Zschech, Jonas Bernien, Kai Heinrich, 15.12.2019 - 18.12.2019

Towards a Text-based Recommender System for Data Mining Method Selection
Patrick Zschech, Kai Heinrich, Richard Horn, Daniel Höschele, 15.08.2019 - 17.08.2019

Demystifying the Black Box: A Classification Scheme for Interpretation and Visualization of Deep Intelligent Systems
Kai Heinrich, Patrick Zschech, Tarek Skouti, Jakob Griebenow, Sebastian Riechert, 15.08.2019 - 17.08.2019

Everything Counts: A Taxonomy of Deep Learning Approaches for Object Counting
Kai Heinrich, Andreas Roth, Patrick Zschech, 08.06.2019 - 14.06.2019

Analyzing Influences on Pivotal ITO Contract Features: A Quantitative Multi-Study Design with Evidence from Western Europe
Michael Könning, Kai Heinrich, Patrick Zschech, Christian Leyh, 16.08.2018 - 18.08.2018

TOWARDS THE DEVELOPMENT OF A BIG DATA CAPABILITY ASSESSMENT MODEL
Zschech, Patrick; Heinrich, Kai; Pfitzner, Marcus; Hilbert, Andreas, 05.06.2017 - 10.06.2017

Big Data Analytics in the Energy Market - Mining Customer Profiles from Smart Meter Data
Kai Heinrich, Tobias Weiß, Prof. Dr. Andreas Hilbert, 05.06.2014

Methods for Identifying Opinion Leaders in Microblogs
Kai Heinrich, 14.07.2012 - 15.07.2012

Diese Informationen werden vom Vorgängersystem FIS bereitgestellt.

Zu dieser Seite

Kerstin Petzold
Letzte Änderung: 06.04.2021