Projektarchiv LWS
Hier finden Sie eine Auswahl an abgeschlossenen Projekten aus dem Laboratory for Web Science (LWS).
Pharmacovigilance Database - Unispital Zürich
Die Klinik für klinische Pharmakologie und Toxikologie des UniversitätsSpitals Zürich (USZ) ist eines der 6 regionalen Pharmakovigilance Zentren (RPVZ) der Schweiz.
Die Hauptaufgaben dieser Zentren besteht in der Erfassung, Evaluation und Dokumentation von Meldungen zu Unerwünschten ArzneimittelWirkungen (UAW), die Rückmeldung und Beratung der Primärmelder und der Weiterleitung an die Swissmedic.
Die FFHS hat die Aufgabe übernommen, eine Applikation zum Aufbau einer Forschungsdatenbank zu entwickeln, dass die internen Abläufe der Abteilung optimiert und die unterschiedlichen Systeme vereinheitlicht und ablöst und den Vorgaben der Swissmedic an RPVZ entspricht. Diese einheitliche Datenbank dient in weiterer Folge zur Analyse und forschungsmässigen Aufarbeitung der bisherigen Daten, die zur Zeit brach liegen.
Kontakt: Joachim Steinwendner
Projektdauer: 2018-2019, 1.5 Jahre
SUVA 1 Vorstudie (Dienstleistungsprojekt)
Das Projekt wurde in Zusammenarbeit mit der SUVA entwickelt. Es geht um die Erkennung von Betrugs- und Versicherungsmissbrauch in der Unfallversicherung.
Hier wurde bisher mit maschinellem Lernen versucht Betrugsfallwahrscheinlichkeiten zu bestimmen. Die grösste Herausforderung besteht aus der hohen Anzahl an Features pro Fall und dem unbalancierten Datensatz. Das LWS versucht mit Methoden des Deep Learning (Autoencoder Netzwerke bzw. Restricted Boltzmann Machine) die bisher eingesetzten Verfahren zu verbessern, d.h. precision und recall als Masszahlen zu erhöhen.
Methode: Deep Learning, Autoencoder, Restricted Boltzmann Machine
Ansprechsperson: Joachim Steinwendner
Projektdauer: 2018, 2 Wochen
Einsatz von KI zur Qualitätskontrolle von Profilen und Referenzabfragen
Mit Hilfe von Künstlicher Intelligenz möchten wir es möglich machen, dass Profile von Consultants und Freelancern auf ihre Qualität und Korrektheit überprüft werden. Dies für die Vermittlung von Mandatsaufträgen (Innocheque).
Projektdauer: 6 Monate
Ansprechsperson: Beatrice Paoli
Trendsentdecker und Students@Risk Tools (TrEndS)
Das TrEndS-Projekt ist eine Kooperation zwischen dem Laboratory for Web Science (LWS) und der MSc in Business Administration.
Es bietet die Möglichkeit einer systematischen Datenerfassung sowie -analyse, um die Potenziale des Studiengangs noch besser zu erkennen und entsprechende Massnahmen daraus abzuleiten. Dieses Projekt basiert auf den vorhandenen Datenbanken CAS Campus und Evento. Es verschafft einen neuartigen Umgang mit den erfassten Daten und beinhaltet zugleich Vorschläge für die Vereinheitlichung und Nutzung verschiedenartig abgelegter Informationen. Machine Learning und Deep Learning-Algorithmen erlauben es künftig, automatisch Informationen aus Daten zu generieren. Das geplante Daten-Analyse-Tool besteht aus den Teilen (I) «Trendsentdecker» sowie (II) «Students@Risk» und lässt nachträgliche Erweiterungen (z.B. Personalisierung des Lernangebots auf geschätztes Risiko basiert) zu.
Projektdauer: 1.12.2018 - 29.2.2020
Ansprechperson: Beatrice Paoli, Michael Decker
New RAdio Frequency Sensors for Predicting rapid LANdslide Movements and Providing early Warnings (RASPLAN)
Durch die Zusammenarbeit mit der SUPSI wird ein System für die Monitorüberwachung und die Modellierung der Umwelt (z.B. Boden, Hügel, Berge) entwickelt, um eine prompte Warnung bei Naturkatastrophen (wie Erdrutschen) zu geben.
Ziel ist dabei die Verhütung von Personen- und Gebäudeschäden. Solche Naturkatastrophen passieren heutzutage leider immer häufiger wegen des laufenden Klimawandels.
Projektdauer: 1 Jahr
Keywords: Machine Learning, Support Vector Machine
Ansprechperson: Martina Perani
38489.1 IP-ICT - Impulse: Agentenbasierter digitaler Lehrer (Innosuisse)
In diesem Projekt wird ein agentenbasierter digitaler Lehrer entwicklet und getestet, um praxisbezogene, online-Remoteschulungen komplexer Industriesoft- und -hardware bei hoher Verfügbarkeit und Zuverlässigkeit erstmalig zu unterstützen.
Der agentenbasierte digitale Lehrer hilft:
a) Lehrenden bei der effizienten Erstellung von geeigneten Lehrmittel,
b) Lernende beim selbständigen bzw. agentenbegleiteten Üben und Aneignen von Praxiswissen.
Kontakt: Dr. Joachim Steinwendner
Dauer: 1.11.2019 - 31.10.2020