Dr.-Ing. Jasin Machkour
Mitarbeiter der Robust Data Science Group am Institut für Nachrichtentechnik, TU Darmstadt.
Kontakt
jasin.machkour@tu-...
work +49 6151 16-22531
Work
S3|06 29
Merckstr. 25
64283
Darmstadt
Links
Sprechstunde: Nach Vereinbarung
Bio
Jasin erhielt 2024 den Dr.-Ing., 2019 den M.Sc. in Elektrotechnik und Informationstechnik mit dem Schwerpunkt Kommunikations- und Sensortechnik und 2016 den B.Sc. in Wirtschaftsingenieurwesen von der Technischen Universität Darmstadt (TU Darmstadt).
Jasin ist Gründungsmitglied des EURASIP-Studentenkomitees und vertritt den Bereich Theoretical and Methodological Trends in Signal Processing (TMTSP).
Von September 2019 bis Februar 2020 und von Mai 2023 bis August 2023 besuchte er Prof. Daniel P. Palomar an der Hong Kong University of Science and Technology. Von Mai 2022 bis Juli 2022 besuchte er Prof. Frédéric Pascal an der Université Paris-Saclay (CentraleSupélec). Im Jahr 2022 absolvierte er den Statistical Genomics Summer Course an der University of Oxford.
Er verbrachte ein Jahr seines Masterstudiums (2016/2017) am Fachbereich für Elektro- und Computertechnik der University of Illinois at Urbana-Champaign (USA).
Forschung
Jasins Forschungsinteressen liegen in dem weiten Feld, das oft als statistisches Lernen, maschinelles Lernen, Datenwissenschaft oder statistische Signalverarbeitung bezeichnet wird. Sein besonderes Interesse gilt der Entwicklung von Methoden/Algorithmen für groß angelegtes und hochdimensionales maschinelles/statistisches Lernen mit nachweisbaren statistischen Eigenschaften.
Die folgenden Themen sind für ihn von großem Interesse:
- Regularisierte Regression für hochdimensionale Daten
- Kontrolle der Falschentdeckungsrate (FDR) bei der Auswahl von Variablen/Features
- Methoden für genomweite Assoziationsstudien (GWAS)
- Paralleles Rechnen auf High-Performance-Computing (HPC)-Clustern.
| Fabian Scheidt | Robust and Computationally Efficient Statistical Learning in High-Dimensional Data: The T-Rex Selector | Masterarbeit | 03/2023 |
| Marie Flohr | Reproducibility Analysis of Discoveries in Genome-Wide Association Studies Using Variable Selection Methods for High-Dimensional Data | Bachelorarbeit | 12/2022 |
|
Simon Tien (Ko-Betreuung mit Michael Muma) |
Development of High-Dimensional Learning Methods for Genome-Wide Association Studies | Masterarbeit | 06/2022 |
|
Lisa Dawel (Ko-Betreuung mit Michael Muma) |
Development and Analysis of Sparse High-Dimensional Ensemble Learning Methods | Masterarbeit | 12/2021 |
| Pertami Kunz | Robust Variable Selection and False Discovery Rate Control for High-Dimensional Regression Models Using Knockoffs | Masterarbeit | 02/2021 |
| Qiang Zhao | Robust Error Control for High-Dimensional Variable Selection based on the Stability Selection Method | Masterarbeit | 01/2021 |
| Gruppe von drei Masterstudierenden | Python vs. R: Benchmarking the computational performance of the Terminating Random Experiments (T-Rex) Method | RSP Seminar | 07/2022 |
| Gruppe von vier Masterstudierenden | HIV Dataset Case-Study C – Same Features but Different Responses | RSP Seminar | 07/2022 |
| Einzelprojekt (Masterstudentin) | Integrating Robust Loss Functions Into Deep Learning | RSP Seminar | 02/2022 |
| Einzelprojekt (Masterstudentin) | Robust Reconstruction of Biomedical Images in the Presence of Outliers | RSP Seminar | 02/2021 |
| Einzelprojekt (Masterstudent) | HIV Dataset Case-Study B – What Types of Outliers are More Severe? | RSP Seminar | 02/2021 |
| Gruppe von zwei Masterstudierenden | Dependent Data Bootstrap | ATISSP Seminar | 02/2021 |
| Gruppe von zwei Masterstudierenden | Hypotheses Testing With The Bootstrap and Signal Detection | ATISSP Seminar | 02/2021 |
| Gruppe von zwei Masterstudierenden | Applications of The Bootstrap | ATISSP Seminar | 02/2021 |
Lehre
Robust and Biomedical Signal Processing (RSP Seminar) – WS 2020/21 & WS 2021/22
Medizintechnisches Praktikum – WS 2021/22
Praktikum Kommunikationstechnik und Sensorsysteme – SS 2021 & WS 2021/22
Advanced Topics in Statistical Signal Processing (ATISSP) – WS 2020/21
Publikationen
Fehler beim Laden der Daten
Beim Laden der Publikationsdaten von TUbiblio ist ein Fehler aufgetreten. Bitte versuchen Sie es zu einem späteren Zeitpunkt erneut.
-
{{ year }}
-
; {{ creator.name.family }}, {{ creator.name.given }}{{ publication.title }}.
; {{ editor.name.family }}, {{ editor.name.given }} (Hrsg.); ; {{ creator }} (Urheber) ({{ publication.date.toString().substring(0,4) }}):
In: {{ publication.series }}, {{ publication.volume }}, In: {{ publication.book_title }}, In: {{ publication.publication }}, {{ publication.journal_volume}} ({{ publication.number }}), SS. {{ publication.pagerange }}, {{ publication.place_of_pub }}, {{ publication.publisher }}, {{ publication.institution }}, {{ publication.event_title }}, {{ publication.event_location }}, {{ publication.event_dates }}, ISSN {{ publication.issn }}, e-ISSN {{ publication.eissn }}, ISBN {{ publication.isbn }}, DOI: {{ publication.doi.toString().replace('http://','').replace('https://','').replace('dx.doi.org/','').replace('doi.org/','').replace('doi.org','').replace("DOI: ", "").replace("doi:", "") }}, Offizielle URL, {{ labels[publication.type]?labels[publication.type]:publication.type }}, {{ labels[publication.pub_sequence] }}, {{ labels[publication.doc_status] }} - […]
-
Anzahl der Einträge in dieser Liste: >{{ publicationsList.length }}
Es werden nur die {{publicationsList.length}} neuesten Publikationen ausgegeben.
Vollständige Liste bei TUbiblio ansehen Diese Liste bei TUbiblio ansehen