Univ.-Prof. Dr. Philipp Grohs
Professur für Mathematische Datenwissenschaften an der Fakultät für Mathematik
Kontaktdaten Philipp Grohs
Curriculum Vitae:
2006 MSc in Technical Mathematics Faculty of Mathematics and Geoinformation, Vienna University of Technology, Austria.
2006-2007 University Assistant (prae-Doc) Research Unit Industrial Geometry, Vienna University of Technology, Austria. Mentor: Prof. Johannes Wallner, Prof. Helmut Pottmann.
2007 PhD in Mathematics, Faculty of Mathematics and Geoinformation, Vienna University of Technology, Austria
2007-2009 Postdoctoral Researcher Institute of Geometry, Graz University of Technology, Austria
2009-2010 Postdoctoral Researcher Geometric Modeling and Scientific Visualization Center, KAUST, Saudi Arabia
2011 Habilitation in Mathematics, Faculty of Mathematics, Physics and Geodesy, TU Graz, Austria
2010-2011 Postdoctoral Researcher Department of Mathematics, ETH Zürich, Switzerland
2011-2016 Assistant Professor for Applied Mathematics (non-TT) Department of Mathematics, ETH Züurich, Switzerland
2016-2016 Assistant Professor for Applied Mathematics (TT) Faculty of Mathematics/Department of Mathematics, University of Vienna, Austria
2016-2019 Associate Professor for Applied Mathematics, Faculty of Mathematics/Department of Mathematics, University of Vienna, Austria
2019-now Full Professor (temporary for five years, after Par. 99/1) for Applied Mathematics Faculty of Mathematics/Department of Mathematics, University of Vienna, Austria
2019-now Head of the Research Group "Mathematical Data Science" Johann Radon Institute, Austrian Academy of Sciences, Austria
2020-now Head of the Research Network "Data Science" University of Vienna, Austria
Since February 2022 Professor at the Department of Mathematics, University of Vienna
Forschungsschwerpunkte:
* Konstruktion und Analyse von numerischen Verfahren zur stabilen Phasenrekonstruktion
* Analyse von 'deep learning' Algorithmen
* Konstruktion und Analyse von numerischen Verfahren zur Lösung von partiellen Differentialgleichungen
"Datengetriebene Methoden wie Maschinelles Lernen und Künstliche Intelligenz spielen eine zunehmend große Rolle in unserer Gesellschaft. Dabei ist es von zentraler Wichtigkeit garantieren zu können, dass diese Methoden verlässlich die Probleme lösen für die sie konzipiert wurden. In meiner Forschungsgruppe entwickeln wir mathematische Grundlagen welche solche Garantien liefern und benutzen die erzielten Erkenntnisse zur Konstruktion effizienter, stabiler und interpretierbarer KI Algorithmen." (Philipp Grohs)