D'Geeschter
Hannert der Wëssenschaft

Martin Spindler ass e Professor fir Data Science, Statistik & Ekonometrie un der Universitéit Hamburg an de Grënner vun Economic AI™. Spezialiséiert op d'Theorie an Uwendung vu Machine Learning a KI — virun allem Causal Machine Learning — huet hien Ofschlëss vun der Universitéit Regensburg an der Universitéit München, wou hien och säin PhD gemaach huet. E regelméissege Gaascht-Wëssenschaftler um MIT, huet Martin Economic AI™ gegrënnt fir Entreprisen ze hëllefen state-of-the-art Solutiounen fir e Kompetitiv Virdeel ze notzen.

Sven Klaassen ass de Chef vun der Software Entwécklung bei Economic AI™. Hien huet e Master a Business Mathematik an e Ph.D. an Economics vun der Universitéit Hamburg kritt. Am 2022 war Sven e Gaascht-Wëssenschaftler um MIT a schafft aktiv un der Fuerschung iwwer d'Kombinatioun vu Machine Learning a Causal Inference. Momentan hält hien d'Open-Source Package DoubleML an Stand a erweidert et.

Philipp Bach ass Chef vun de Formatiounen & Executive Education a passioun fir Basis an fortgeschratt Themen vu Causal ML ze léieren. Hien huet momentan d'Positioun vun engem Post-doktoralen Fuerscher un der Universitéit Hamburg. Seng Fuerschung konzentréiert sech op Implementatiounen an Uwendunge vu cutting-edge Approchen vu Causal ML.

Jan Rabenseifner ass en Data Scientist bei Economic AI™. Hien mécht grad säin Ph.D. a Statistik un der Universitéit Hamburg. Seng Fuerschungsinteressen leien an de Beräicher Causal Inference, Prognosevaluatioun an héich-dimensionalen Astellunge, Deep Learning, a Machine Learning.

Lucas Moreira Gomes ass en Data Scientist bei Economic AI™. Seng Aarbecht konzentréiert sech haaptsächlech op Graph Neural Networks (GNNs), Collusion Detection, an Large Language Models (LLMs). Hie fokusséiert sech op d'Benotze vu geometric deep learning a natural language processing fir komplex strukturell a verhaalensbezéint Erausfuerderunge a modernen Date-Ëmfelder ze léisen.