Andreas Hapfelmeier

E-Mail: Andreas.Hapfelmeier@in.tum.de

Forschungsinteressen

Maschinelles Lernen und data mining auf medizinischen Daten, prediktive Modelle, Online Lernen

Auszeichnungen

Auszeichnung für das beste Anwendungspaper auf der ICDM 2008

Aktivitäten

(Co-)Reviewing:

IEEE International Conference on Data Mining (ICDM): 2008, 2009, 2010
ACM Symposium on Applied Computing (SAC): 2009, 2010, 2011
International Conference on Data Warehousing and Knowledge Discovery (DaWak): 2009
International Conference on Discovery Science (DS): 2009
European Conference on Machine Learning/European Conference on Principles and Practice of Knowledge Discovery in Databases (ECML/PKDD): 2009, 2010, 2011
International Conference on Inductive Logic Programming (ILP): 2009
LeGo: 2008
SIAM International Conference on Data Mining (SDM): 2009, 2010
International Conference on Machine Learning (ICML): 2010

Veröffentlichungen

Schmidt, J, Hapfelmeier, A, Ghorbani, A, and Kramer, S (2013).
Learning Probabilistic Real-Time Automata from Multi-Attribute Event Logs
Intelligent Data Analysis Special Issue on Dynak Topics, 7(1):to appear.

Li, R, Hapfelmeier, A, Schmidt, J, Perneczky, R, Drzezga, A, Kurz, A, and Kramer, S (2011).
A case study of stacked multi-view learning in dementia research
In: Proceedings of the 13th Conference on Artificial Intelligence in Medicine, pp. 60–69, Berlin, Heidelberg, Springer-Verlag. LNCS.

Schmidt, J, Hapfelmeier, A, Schmidt, W, and Wollina, U (2011).
Improving Wound Score Classification with Limited Remission Spectra
International Wound Journal, Wiley-Blackwell.

Schmidt, J, Hapfelmeier, A, Müller, M, Pernetzky, R, Drzezga, A, Kurz, A, and Kramer, S (2010).
Interpreting PET Scans by Structured Patient Data: A Data Mining Case Study in Dementia Research
Journal of Knowledge and Information Systems (KAIS), 24:149-170.

Hapfelmeier, A, Schmidt, J, Müller, M, Pernetzky, R, Drzezga, A, Kurz, A, and Kramer, S (2008).
Interpreting PET Scans by Structured Patient Data: A Data Mining Case Study in Dementia Research
In: Proceedings of the Eighth IEEE International Conference on Data Mining (ICDM-2008), pp. 213-222.

Kramer, S, Aufschild, V, Hapfelmeier, A, Jarasch, A, Kessler, K, Reckow, S, Wicker, J, and Richter, L (2006).
Inductive Databases in the Relational Model: The Data as the Bridge
In: Proceedings of the Fourth International Workshop on Knowledge Discovery in Databases, pp. 124-138.

Kurzer wissenschaftlicher Lebenslauf

In meiner Diplomarbeit "subgroup discovery in Alzheimer data" an der TU München kam ich das erste Mal in Kontakt mit medizinischen bzw. Gesundheitsdaten. Um meine Arbeit in dieser Hinsicht zu intensivieren, entwickelte ich Vorhersagemodelle für die Firma DxCG Gesundheitsanalytik GmbH. Hierbei war die Herausforderung neue Algorithmen zu entwickeln um interessante Informationen in Gesundheitsdaten zu finden. Parallel erarbeite ich meine Promotion an der Machine Leaning und Data Mining Gruppe, wofür ich Algorithmen auf großen Datensätzen entwickle.

Des Weiteren bin ich ein Mitglied des CeDoSIA Programms.

Lehre

Tutor Maschinelles Lernen und Data Mining in der Bioinformatik (WS 10/11)
Tutor Analyse strukturierter Daten in der Bioinformatik (SS 2010, SS 2011)
Tutor Hauptseminar Bioinformatik (WS 09/10, WS 10/11)
Tutor Proseminar Bioinformatik (SS 2009, SS 2011)
Tutor Informatik I für Ingenieure (WS 11/12)

Noelia Ruiz; "Ordering PET Scans: criterion and visualization", 2012 (Diploma Thesis, work in progress)
Christian Mertes; "Incremental linear model trees on changing data stream rates", 2011 (Bachelor Thesis)
Yassine Azyrit; "Implementation and comparison of incremental linear model trees in the MOA framework", 2011. (Diploma Thesis)
G. Zhang; "Improving the Usability of the Alzheimer`s Database AldBase", 2009. (Bachelor Thesis)

Benutzerspezifische Werkzeuge

Sektionen