Maschinelles Lernen mit multiplen Repräsentationen

Prof. Dr. Axel-Cyrille Ngonga Ngomo, Universität Paderborn

Die Spezifikation von Lernproblemen im maschinellen Lernen umfasst die explizite Festlegung zentraler Eigenschaften wie Trainingsdaten, Zielfunktion, Optimalitätskriterien und Nebenbedingungen. Zum Beispiel setzen klassische Ansätze wie neuronale Netze üblicherweise voraus, dass

Ein- und Ausgabedaten sowie Lernparameter über reelle Zahlen modelliert werden. Allerdings unterscheiden sich Repräsentationen von Daten und Lernproblemen teils erheblich hinsichtlich ihrer Eignung für die effiziente Implementierung einzelner Rechenschritte.

Der Vortrag zeigt am Beispiel des Lernens von Konzepten in Beschreibungslogiken, wie maschinelles Lernen mit multiplen Repräsentationen instanziiert werden kann und welche theoretischen und praktischen Konsequenzen dies hat. Auf Basis neuer Forschungsergebnisse wird demonstriert, dass die gezielte Auswahl geeigneter Repräsentationen das Lernen auf komplexen Daten um mehrere Größenordnungen beschleunigen kann. Abschließend werden offene Forschungsfragen und aktuelle Herausforderungen skizziert.

Prof. Dr. Axel Ngonga studierte Informatik an der Universität Leipzig, wo er auch promovierte. Seit 2017 ist er Professor für Data Science (DICE) am Heinz-Nixdorf Institut sowie am Institut für Informatik der Universität Paderborn. Seine Forschungsgruppe entwickelt effiziente und effektive Verfahren des maschinellen Lernens für strukturierte Daten, mit einem besonderen Schwerpunkt auf Wissensgraphen. Die wissenschaftlichen Arbeiten der DICE-Gruppe wurden vielfach ausgezeichnet, unter anderem mit dem NEF Fellowship (2016), mehreren Auszeichnungen als Most Influential Scholar in Knowledge Engineering (seit 2019), dem Lamarr Fellowship (2023) sowie dem Innovationspreis NRW (2024). Seit Januar 2023 leitet Prof. Ngonga das EU-weite Graduiertenkolleg „Learning with Multiple Representations“, in dem neuartige Verfahren des maschinellen Lernens auf Basis multipler Repräsentationen erforscht werden. Darüber hinaus ist er leitender Wissenschaftler (PI) in Forschungsprojekten des Landes NRW (WHALE, SAIL), der DFG (TRR 318) sowie des Bundesministeriums für Bildung, Forschung und Technologie (Learn2RAG).