Cookies 🍪

Diese Website verwendet Cookies, die Ihre Zustimmung brauchen.

Logo - NFDI4 DataScience

NFDI4DataScience

Kontakt
Employee photo Mr. Adamantios Koumpis
Adamantios Koumpis (Dr.) Forschungs- & Lehrbeauftragter
Projekt Status
Laufend
Startdatum

Beschreibung

Die Vision von "Nationale Forschungsdateninfrastruktur for Data Science" (NFDI4DataScience, NFDI4DS) ist es, alle Schritte des komplexen und interdisziplinären Forschungsdatenlebenszyklus zu unterstützen, einschließlich der Erfassung/Erstellung, Verarbeitung, Analyse, Veröffentlichung, Archivierung und Wiederverwendung von Ressourcen in den Bereichen Datenwissenschaft und künstliche Intelligenz. In den letzten Jahren hat ein Paradigmenwechsel stattgefunden, bei dem computergestützte Methoden zunehmend auf datengesteuerten und oft auf Deep Learning basierenden Ansätzen beruhen, was zur Etablierung und Allgegenwart der Datenwissenschaft als einer Disziplin geführt hat, die von den Fortschritten im Bereich der Informatik angetrieben wird. Transparenz, Reproduzierbarkeit und Fairness sind aufgrund der Komplexität der heutigen datenwissenschaftlichen Methoden, die oft auf einer Kombination aus Code, Modellen und Daten für das Training beruhen, zu entscheidenden Herausforderungen für die Datenwissenschaft und künstliche Intelligenz geworden. NFDI4DS wird faire und offene Forschungsdateninfrastrukturen fördern, die alle beteiligten Ressourcen wie Code, Modelle, Daten oder Publikationen durch einen integrierten Ansatz unterstützen. Das übergeordnete Ziel von NFDI4DS ist die Entwicklung, Etablierung und Aufrechterhaltung einer nationalen Forschungsdateninfrastruktur (NFDI) für die Data-Science- und Künstliche-Intelligenz-Community in Deutschland. Dies wird auch einer breiteren Community zugutekommen, die Datenanalyselösungen innerhalb der NFDI und darüber hinaus benötigt. Die Kernidee besteht darin, die Transparenz, Reproduzierbarkeit und Fairness von Projekten in den Bereichen Datenwissenschaft und künstliche Intelligenz zu erhöhen, indem alle digitalen Artefakte verfügbar gemacht, miteinander verknüpft und innovative Tools und Dienste angeboten werden. Basierend auf der Wiederverwendung dieser digitalen Objekte werden so neue und innovative Forschungsarbeiten ermöglicht. NFDI4DS beabsichtigt, die Datenwissenschafts- und Künstliche-Intelligenz-Community in der Wissenschaft zu vertreten, einem interdisziplinären Bereich, der seine Wurzeln in der Informatik hat. Wir streben die Wiederverwendung bestehender Lösungen und eine enge Zusammenarbeit mit den anderen NFDI-Konsortien und darüber hinaus an. In der Anfangsphase wird sich NFDI4DS auf vier datenwissenschaftlich intensive Anwendungsbereiche konzentrieren: Sprachtechnologie, Biomedizin, Informationswissenschaften und Sozialwissenschaften. Das in NFDI4DS vorhandene Fachwissen stellt sicher, dass Metadatenstandards domänenübergreifend interoperabel sind und neue Wege im Umgang mit digitalen Objekten entstehen.

Publikationen

Distribution Shift Analysis in Generalizable Modelling: Intensive Care Time-Series Data

2026 - Open Access -
Mayra Elwes, Jonas Alfitian, Karen Hornung, Bhanu Koppolu, Oya Beyan, Ekaterina Kutafina

In this paper, we investigate how distribution shift affects model generalizability in medical time-series from intensive care. We define clinically relevant domain adaptation scenarios for predicting hypotension and hypoxemia using the MIMIC-III Matched Waveform Database v1.0. Distribution shift is quantified via the Kolmogorov–Smirnov test (KS) applied to an interpretable, lower-dimensional data representation. Our results highlight the challenges of measuring covariate, prior probability, and semantic shifts in non-stationary multivariate time series. We observed linear correlation (0.74 and 0.99) between KS(source train, target) - KS(source train, source test) and RMSE difference when comparing in-distribution and out-of-distribution model performance. We argue that developing and benchmarking data-driven models should explicitly account for modality-specific data shift characteristics.