Biografie
Hajira nutzt künstliche Intelligenz (KI) zur Weiterentwicklung der Datenwissenschaft und des Datenmanagements im Gesundheitswesen. Ihre Arbeit konzentriert sich auf die Entwicklung skalierbarer KI-Modelle und Algorithmen, die die Datenanalyse optimieren und eine effektive Datenverwaltung fördern – insbesondere bei der Verwaltung komplexer biomedizinischer Daten. Durch die Integration von Technologien wie Knowledge Graphs, Natural Language Processing (NLP) und FAIR-Datenprinzipien ist sie bestrebt, Daten in umsetzbare Erkenntnisse zu verwandeln, die die Forschung unterstützen und klinische Ergebnisse verbessern. Zuvor leitete Hajira das Big-Data-Analytics-Team am GESIS-Leibniz-Institut für Sozialwissenschaften und war Teamleiterin bei Smart Data Analytics (SDA), wo sie sich auf verteilte semantische Analytik spezialisierte. Außerdem war sie als Data Science Expertin an der Universität zu Köln für CEPLAS tätig. Ihre Forschung umfasst ein breites Spektrum von Bereichen, darunter verteilte Analytik, Data Mining, semantische Webtechnologien und die FAIRifizierung von Daten. Sie hat an mehreren EU-finanzierten H2020-Projekten mitgewirkt und skalierbare Architekturen in Bereichen wie Seefahrt, Energie, Landwirtschaft, Sozialwissenschaften, Smart Cities und Pflanzenwissenschaften entworfen. Über die Forschung hinaus engagiert sich Hajira in Führungsaufgaben, Lehre und der Förderung der Zusammenarbeit zwischen Wissenschaft und Industrie. Sie bringt eine große Leidenschaft für den Aufbau und die Unterstützung von Teams sowie für die Schaffung von Wirkung durch Innovation und interdisziplinäre Arbeit mit.
Kontakt
Fachgebiete
Aktuelle Lehre
LLM Journal Club
[Diese Lehrveranstaltung wird nur auf Englisch angeboten] Each week, we review and discuss a recent research paper on Large Language Models (LLMs), with a focus on practical applications such as Retrieval-Augmented Generation (RAG) and LLM evaluation. The selected papers are drawn from top-tier conferences, including NAACL, ICML, and NeurIPS, ensuring exposure to cutting-edge developments in the field.
In KLIPS anzeigenAI in Medicine Series
Künstliche Intelligenz verändert die Medizin bereits grundlegend, aber wie funktionieren die zugrunde liegenden Methoden und welche Chancen und Herausforderungen bieten sie? In dieser Seminarreihe wird in jedem Vortrag ein neues, praxisnahes Thema behandelt, darunter die Grundlagen einiger KI-Methoden, ethische Herausforderungen und mögliche Lösungen. Die Vorträge, die je nach Referent auf Deutsch oder Englisch gehalten werden, sind thematisch miteinander verbunden, aber in sich abgeschlossen.
In KLIPS anzeigenMedical AI - Introduction to Deep Learning in Medicine and its Applications
[Der Kurs wird nur in Englisch abgehalten] This course provides a structured introduction to deep learning with a focus on medical applications. It begins by clarifying key concepts in artificial intelligence, machine learning, and deep learning, emphasizing their relevance in modern medicine. Students will explore the basic structure of neural networks and understand how models are trained and evaluated. The course then introduces convolutional neural networks (CNNs)followed by an overview of transformers and foundational models used for analyzing clinical text, genomics, and multimodal data. Real-world case studies and clinical examples illustrate how deep learning is applied across radiology, pathology, dermatology, and beyond. The final sessions explore challenges in deploying AI in clinical settings, including issues of bias, explainability, and ethical use. Optional components may include hands-on demonstrations or guided review of influential research papers in the field.
In KLIPS anzeigenRDM Journal Club
Each week, we engage in discussions on recent research papers and relevant topics in the field of Research Data Management, covering best practices, emerging challenges, and innovative solutions. The selected readings aim to enhance our collective understanding and keep us informed about the latest developments in data stewardship, FAIR principles, and related areas.
In KLIPS anzeigen
