Multifunktionale Biomaterialien

Foto: Foltan/ATB

Philine Lou Bommer

Doktorand

Abteilung: Data Science in Bioeconomy

Telefon: +49 331 5699-907
Online:
öffnet LinkedIn öffnet Twitter öffnet Google Scholar

Mitarbeit in Forschungsprogrammen


Arbeitsgebiete

Philine interessiert sich für Deep Learning und Explainable AI (erklärbare KI) in Anwendung auf die Umweltwissenschaften. Sie arbeitet daran, neue Explainable AI (XAI) Lösungen zu entwickeln, welche abgestimmt sind auf die Anwendung in der wissenschaftlichen Datenanalyse. Der Fokus ihrer Arbeit liegt dabei auf dem Umweltwissenschaften. In diese Feld forscht Sie an der Nutzung von XAI Methoden um neue Erkenntnisse über das Klima zu gewinnen und um eine transparente Anwendung von KI möglich zu machen.  


Mitwirkung in Gremien


Projekte


Veröffentlichungen


Curriculum Vitae

Philine Bommer erhielt 2020 ihren Master in Physik an der Universität Heidelberg und war im Anschluss als wissenschaftliche Mitarbeiterin am ZI Mannheim tätig. Zuvor erwarb Philine ihren Bachelor in Physik an der Universität Heidelberg. Sie begann im Oktober 2022 mit ihrer Promotion am Lehrstuhl für Maschinelles Lernen der TU Berlin und ist Teil der Forschungsgruppe UMI Lab. Derzeit promoviert sie in der Abteilung Data Science in Bioeconomy am ATB Potsdam.

Ein tabellarischer Lebenslauf ist hier zu finden.


Cookies

Wir verwenden Cookies. Einige von ihnen sind erforderlich, um Ihnen Inhalte und Funktionen bestmöglich anzubieten, andere helfen uns, unsere User anonymisiert besser zu verstehen (Matomo). Datenschutzerklärung

Notwendig erforderlich

Notwendige Cookies sind für die ordnungsgemäße Funktion der Website unbedingt erforderlich. Diese Kategorie enthält nur Cookies, die grundlegende Funktionen und Sicherheitsmerkmale der Website gewährleisten. Diese Cookies speichern keine persönlichen Informationen.

Cookie Dauer Beschreibung
PHPSESSID Session Speichert Ihre aktuelle Sitzung mit Bezug auf PHP-Anwendungen und gewährleistet so, dass alle Funktionen der Seite vollständig angezeigt werden können. Mit Schließen des Browsers wird das Cookie gelöscht.
bakery 24 Stunden Speichert Ihre Cookie-Einstellungen.
fe_typo_user Session Wird verwendet, um eine Session-ID zu identifizieren, wenn man sich am TYPO3-Frontend einloggt.
__Secure-typo3nonce_xxx Session Sicherheitsrelevant. Zur internen Verwendung durch Typo3.
Analyse

Über Cookies dieser Kategorie lernen wir aus dem Verhalten der Besucher auf unserer Website und können so relevante Informationen noch schneller erreichbar machen.

Cookie Dauer Beschreibung
_pk_id.xxx 13 Monate Matomo – User-ID (zur anonymen statistischen Auswertung der Besucherzugriffe; ermittelt, um welchen User es sich handelt)
_pk_ses.xxx 30 Minuten Matomo – Session-ID (zur anonymen statistischen Auswertung der Besucherzugriffe; ermittelt, um welche Sitzung es sich handelt)