Interview mit Felix Geyer

Felix Geyer ist als Studentische Hilfskraft am Lehrstuhl für Empirische Wirtschaftsforschung beschäftigt. Gleichzeitig ist er auch am Lehrstuhl für Ökonometrie der Universität Regensburg tätig.

In seinen Kursen vermittelt er Studierende die Grundlagen um Machine Learning-Algorithmen verstehen, sie sich selbst erarbeiten und anwenden zu können. Bereits in seiner Bachelorarbeit sowie in einigen Seminararbeiten währende seines Studiums hat er sich mit den mathematischen Funktionen von Machine Leanring-Algorithmen befasst.

Frage 1: Herr Geyer, an welchem Lehrstuhl/Institut der Universität Regensburg sind Sie tätig?

Ich bin am tätig am Lehrstuhl Cassar (Emp. Wirtschaftsforschung) und Lehrstuhl Tschernig (Ökonometrie).

Frage 2: Zu welchen Themen unterrichten Sie schwerpunktmäßig? Bzw. In welchem Fach/welchen Fächern sind Ihrer Veranstaltungen schwerpunktmäßig anzusiedeln?

Unterricht von „Einführung in die Ökonometrie“ und „Zeitreihenökonometrie“. Beide Fächer sind im Bereich der Ökonometrie anzusiedeln- einer Mischung aus Mathe und Statistik.

Frage 3: „Wissen schafft² Daten“ ist ein fakultätsübergreifendes Projekt an der Uni Regensburg. Es vereint die Forschungsbestrebungen in den Bereichen Big Data, Künstliche Intelligenz und Machine Learning. Wie weisen Ihre Veranstaltungen einen Bezug zur KI auf? Beschreiben Sie uns bitte diesen Bezug. (Nennen Sie hierfür gerne Beispielveranstaltungen/Beispielthemen)

In den Veranstaltungen werden einerseits die Grundlagen gelehrt, um die Algorithmen von Machine Learning verstehen zu können bzw. um sich diese selbstständig erarbeiten zu können. Anderseits werden Kenntnisse im Bereich der Programmierung vermittelt um ggf. Machine Learning Algorithmen selbst anwenden zu können.

Frage 4: Wie vermitteln Sie den Studierenden diesen Bezug? Worauf müssen Sie hier im Bezug auf verschiedenes Vorwissen besonders achten?

Vorwissen im Bereich der Statistik und Matrizenrechnung wird stark empfohlen. Die Bezüge werden mittels Vorlesung und begleitender Übung vermittelt. Wobei sowohl Vorlesung als auch Übung manchmal einen recht hohen mathematischen Hintergrund erfordern.

Frage 5: Darauf aufbauend, welche Fachkompetenzen erwirbt der Studierende in dem Lehrgang?

Fähigkeit programmieren zu können, Verständnis für die fundamentale Funktionsweise von Machine Learning Methoden – und auch Kritikpunkte/Schwächen davon

Frage 6: Warum halten Sie es für sinnvoll den Studierenden Themen mit KI-Bezug zu vermitteln?

Ich denke, dass es in der heutigen Zeit immer mehr Vernetzungen zwischen den Computern gibt (Selbstständiges Fahren) und Kenntnisse auf dem Jobmarkt enorm gefragt sind.

Frage 7: Neben den Lehrveranstaltungen, die Sie halten, sind Sie auch in der Forschung tätig. Womit beschäftigen Sie sich hier aktuell?

—

Frage 8: Haben Sie sich in der Forschung schon mit Themen befasst, die einen Bezug zur KI aufwiesen? Wenn ja, können Sie uns ein Beispiel aufzeigen?

Sowohl in Bachelor- als auch Seminararbeiten habe ich mich mit der mathematischen Funktionsweise von versch. ML Algorithmen beschäftigt.

Frage 9: Nun eine Frage zu Ihrem persönlichen Werdegang. Welche Erfahrungen bringen Sie im Bereich KI mit? Und wie sind Sie an Ihr Wissen über KI gelangt? (Bsp.: Ausbildung, Selbststudium, etc.)

Studium und Selbststudium (Eigeninteresse)

Frage 10: Fällt Ihnen persönlich der Umgang mit Themen, die einen KI-Bezug aufweisen, leicht oder schwer?

Leicht da Eigeninteresse

Frage 11: Was genau interessiert/fasziniert Sie an solchen Themen besonders?

Funktionsweise der ML Algorithmen und deren Datennutzung

Frage 12: Herr Geyer, gibt es aktuell Projekte, an denen Sie fächerübergreifend mit anderen Dozenten zusammenarbeiten? Wenn ja, können Sie uns hierzu ein Beispiel aufführen? Und wie ist der Zusammenhang zu bewerten?

—