ความเชี่ยวชาญร่วมกันของเรา

ผู้บุกเบิก
วิทยาศาสตร์

คณะนักวิจัย นักคณิตศาสตร์ และวิศวกรที่นำโดยระดับปริญญาเอกซึ่งอุทิศตนให้กับวิทยาศาสตร์แห่งการค้นพบเชิงสาเหตุ

เลื่อน
Prof. Dr. Martin Spindler

Prof. Dr. Martin Spindler

ผู้อำนวยการและผู้ก่อตั้ง

Martin Spindler เป็นศาสตราจารย์ด้าน Data Science, Statistics & Econometrics ที่ University of Hamburg และผู้ก่อตั้ง Economic AI™ เชี่ยวชาญด้านทฤษฎีและการประยุกต์ใช้ Machine Learning และ AI — โดยเฉพาะ Causal Machine Learning — เขาสำเร็จการศึกษาจาก University of Regensburg และ University of Munich ซึ่งเขาได้รับปริญญาเอกด้วย ในฐานะนักวิชาการรับเชิญประจำที่ MIT Martin ก่อตั้ง Economic AI™ เพื่อช่วยให้ธุรกิจใช้โซลูชันที่ทันสมัยเพื่อความได้เปรียบในการแข่งขัน

Dr. Sven Klaassen

Dr. Sven Klaassen

หัวหน้าฝ่ายพัฒนาซอฟต์แวร์

Sven Klaassen เป็นหัวหน้าฝ่ายพัฒนาซอฟต์แวร์ที่ Economic AI™ เขาสำเร็จการศึกษาระดับปริญญาโทด้าน Business Mathematics และปริญญาเอกด้าน Economics จาก University of Hamburg ในปี 2022 Sven เป็นนักวิชาการรับเชิญที่ MIT และได้ทำงานอย่างแข็งขันในการวิจัยเกี่ยวกับการรวม Machine Learning และ Causal Inference ปัจจุบันเขายังคงดูแลและขยายแพ็คเกจโอเพนซอร์ส DoubleML

Dr. Philipp Bach

Dr. Philipp Bach

หัวหน้าฝ่ายฝึกอบรมและการศึกษาสำหรับผู้บริหาร

Philipp Bach เป็นหัวหน้าฝ่ายฝึกอบรมและการศึกษาสำหรับผู้บริหาร และมีความกระตือรือร้นในการสอนหัวข้อพื้นฐานและขั้นสูงของ Causal ML ปัจจุบันเขาดำรงตำแหน่งนักวิจัยหลังปริญญาเอกที่ University of Hamburg งานวิจัยของเขามุ่งเน้นไปที่การนำแนวทาง Causal ML ที่ล้ำสมัยไปใช้งานและประยุกต์ใช้

Jan Rabenseifner, M.Sc.

Jan Rabenseifner, M.Sc.

นักวิทยาศาสตร์ข้อมูล

Jan Rabenseifner เป็นนักวิทยาศาสตร์ข้อมูลที่ Economic AI™ ปัจจุบันเขากำลังศึกษาต่อปริญญาเอกด้าน Statistics ที่ University of Hamburg ความสนใจในงานวิจัยของเขาอยู่ในสาขา Causal Inference, Forecast Evaluation ในสภาพแวดล้อมที่มีมิติสูง, Deep Learning และ Machine Learning

Lucas Moreira Gomes, M.Sc.

Lucas Moreira Gomes, M.Sc.

นักวิทยาศาสตร์ข้อมูล

Lucas Moreira Gomes เป็นนักวิทยาศาสตร์ข้อมูลที่ Economic AI™ งานของเขามุ่งเน้นไปที่ Graph Neural Networks (GNNs), Collusion Detection และ Large Language Models (LLMs) เขาเน้นการใช้ประโยชน์จากการเรียนรู้เชิงลึกทางเรขาคณิตและการประมวลผลภาษาธรรมชาติเพื่อแก้ไขปัญหาเชิงโครงสร้างและพฤติกรรมที่ซับซ้อนในสภาพแวดล้อมข้อมูลที่ทันสมัย

ร่วมงานกับ ผู้บุกเบิก

การค้นพบเชิงสาเหตุ

เรากำลังมองหานักศึกษาฝึกงาน นักศึกษาทำงาน (ปริญญาตรีและโท) และผู้สมัครระดับปริญญาเอกที่มีคุณสมบัติสูงอย่างสม่ำเสมอเพื่อเข้าร่วมโครงการอุตสาหกรรมที่ขับเคลื่อนด้วยงานวิจัยของเรา

ความเชี่ยวชาญคือการเปลี่ยนผ่านจากการทำนายสิ่งที่เกิดขึ้นไปสู่ความเข้าใจว่าทำไมสิ่งนั้นจึงต้องเกิดขึ้น

ได้รับความไว้วางใจจากผู้นำอุตสาหกรรม