Fabian Scheidt

Sprechstunde: nach Absprache per E-Mail.

Fabian erwarb an der TU Darmstadt einen Bachelor- und Masterabschluss in Wirtschaftsingenieurwesen technische Fachrichtung Elektrotechnik und Informationstechnik mit dem Forschungsschwerpunkt Kommunikationstechnik und Sensorsysteme (KTS). Seinen BSc. erbrachte er in der Gruppe Signalverarbeitung auf dem Gebiet der schnellen kooperativen Lokalisierung in verteilten drahtlosen Sensornetzen (2016). Sein MSc. war zweigeteilt: Erstens am Lehrstuhl für Ökonometrie auf dem Gebiet der statischen Lernmethoden für die Churn-Analyse in der Telekommunikationsbranche (2020). Zweitens bei der Robust Data Science Group im Bereich Robustes und rechnerisch effizientes statisches Lernen in hoch-dimensionalen Daten mit dem T-Rex-Selektor (2023).

Seit Mai 2023 verstärkt er die Gruppen Signalverarbeitung und Robust Data Science der TU Darmstadt. Im Rahmen seines PhD. ist er am BMBFTR Leuchtturm Projekt Cluster4Future-Initiative curATime im Rahmen des Projekts curAISig beteiligt. Dies ist ein gemeinsames Forschungsprojekt mit der Universitätsmedizin Mainz und deren Zentrum für Klinische Epidemiologie und Systemmedizin, Zentrum für Thrombose und Hämostase (CTH).

Die Hauptthemen die in curAIsig verfolgt werden sind:

• Entwicklung von robusten Methoden der Signalverarbeitung für die Analyse von Herzratenvariabilität (HRV).
• Entwicklung statistischer Lernmethoden für die Analyse hochdimensionaler Biodatenbanken.
• Die Entdeckung neuer und reproduzierbarer Biomarker-Signaturen.
• Ermöglichung von Sprunginnovationen in der Präzisionsdiagnostik und individualisierten Therapien durch KI Methoden mit statistischen Garantien.
• Integration von innovativen Technologien in die systemorientierte biomedizinische Forschung.

Industrieerfahrung

• 2019-2022 Forschung und Innovation bei der Deutschen Telekom in Positionen:
  • Data Engineer: Entwicklung von Datenpipelines zur Erstellung eines umfassenden Big-Data-Satzes des Radionetzes der Telekom in Deutschland, sowie in der Datenaggregation und Auswertung von massiv verteilten Sensornetzen. Außerdem Datenmodellierung mit Methoden aus dem Bereich des Data Driven Engineeringund des statistischen Lernens.
  • Technometriker: angewandte Statistik und Geonanalysen zur Standortklassifizierung, Fernerkundung in Kombination mit Auswertung sozioökonomischer Daten.
• 2018-2019 Forschungspraktikum im Bereich Signalverarbeitung und Operations Management bei ABB Corporate Research
  • Signalverarbeitung und datengetriebenes Ingenieurwesen für die Fernwartung von gearless mill drives.

Forschungsinteressen

• Falsch Positiven Kontrolle in hochdimensionalen Räumen.
• Stochastische Signalverarbeitung und Zeitreihenanalyse.
• Zufallssets und Tracking.
• Detektions- und Schätztheorie.
• Hochperformanz Rechnen und Effiziente Algorithmen.

Programmierinteressen

• C++, Python, R.