Lehrstuhl für Maschinelles Lernen – Prof. Dr. Alan Akbik
Unser Lehrstuhl beschäftigt sich mit Forschung im Bereich des Maschinellen Lernens (ML) und des Natural Language Processing (NLP). Unser Ziel ist es, Maschinen in die Lage zu versetzen, natürliche Sprache menschengleich zu erwerben, zu verstehen und zu verwenden. Unser Lehrstuhl entwickelt dazu das Flair Framework zur automatischen Textanalyse. Es ist bereits in hunderten von Forschungsprojekten und industriellen Anwendungen im Einsatz und zählt zu den meistgenutzen deep learning Frameworks für NLP.
Auf diesen Seiten finden Sie Informationen zu unserem Lehrstuhl:
Offene Stellen!
Der Lehrstuhl wächst rasant, dank zahlreicher Projekte (DFG, viele Industriekollaborationen), daher suchen wir immer Doktorandinnen und Doktoranden, sowie studentische Mitarbeiterinnen und Mitarbeiter. Kontaktieren Sie uns bei Interesse!
Neues vom Lehrstuhl
- 16.05.2024 - Neues Paper (ACL 2024): Unser Paper "Choose Your Transformer: Improved Transferability Estimation of Transformer Models on Classification Tasks" bei ACL 2024 zur Veröffentlichung akzeptiert!
- 14.05.2024 - Neues Paper: Unser Paper "NoiseBench: Benchmarking the Impact of Real Label Noise on Named Entity Recognition" jetzt auf ArXiv verfügbar!
- 05.04.2024 - Neues Drittmittelprojekt (IBB): Die Investitionsbank Berlin (IBB) fördert einen Forschungstranfer zu unserem Industriepartner PIKK Systems!
- 27.03.2024 - Neues Startup: Das Bundesministerium für Wirtschaft und Klimaschutz (BMWK) fördert das Startup FactorizeBio im Rahmen des EXIST Programms!
- 25.03.2024 - Neues Paper: Unser Paper "Fundus: A Simple-to-Use News Scraper Optimized for High Quality Extractions" jetzt auf ArXiv verfügbar!
- 21.03.2024 - Neues Paper (NAACL 2024): Unser Paper "OpinionGPT: Modelling Explicit Biases in Instruction-Tuned LLMs" bei NAACL 2024 Demos zur Veröffentlichung akzeptiert!
- 13.03.2024 - Neues Paper (NAACL 2024): Unser Paper "BEAR: A Unified Framework for Evaluating Relational Knowledge in Causal and Masked Language Models" bei NAACL 2024 zur Veröffentlichung akzeptiert!
- 01.03.2024 - Neues Drittmittelprojekt (BMBF): Unser Vorhaben "FewTuRe" wird vom Bundesministerium für Bildung und Forschung (BMBF) für 3 Jahre gefördert, in Zusammenarbeit mit unserem Industriepartner dida Datenschmiede!
- 22.02.2024 - Neues Paper: Unser Paper "HunFlair2 in a cross-corpus evaluation of named entity recognition and normalization tools" jetzt auf ArXiv verfügbar!
- 20.02.2024 - Neues Paper (COLING 2024): Unser Paper "PECC: Problem Extraction and Coding Challenges" bei COLING 2024 zur Veröffentlichung akzeptiert!
- 31.01.2024 - Neues Paper: Unser Paper "SemScore: Automated Evaluation of Instruction-Tuned LLMs based on Semantic Textual Similarity" jetzt auf ArXiv verfügbar!
- 18.01.2024 - Zwei neue Paper (EACL 2024): Unsere Paper "Large-Scale Label Interpretation Learning for Few-Shot Named Entity Recognition" und "Parameter-Efficient Fine-Tuning: Is There An Optimal Subset of Parameters to Tune?" bei EACL 2024 zur Veröffentlichung akzeptiert!