Dr. David Wittenberg

 

Raum:
Tel.:
Fax:
Mail:
Sprechzeiten:		 01/263 (ReWi I)
+49 6131 39 - 27556
+49 6131 39 - 22185
wittenberg@uni-mainz.de
Tuesday, 11:00 a.m. - 12:00 p.m.Linkedin Profil
Google Scholar Profil

Letztes Update: 16. August 2023

Forschungsinteressen

  • Maschinelles Lernen, insbesondere Künstliche Neuronale Netze
  • Genetische Programmierung

Lehre

  • Dozent des Vorbereitungskurses zur SAP S/4HANA Business Process Integration Beraterzertifizierung - Sept./Okt. 2020, Sept./Okt. 2021
  • Übung zur Vorlesung "Computational Intelligence" - SS19, SS20
  • Koordination des Tutoriums "Einführung in die EDV" - WS19/20, WS20/21, WS21/22, WS22/23
  • Koordination des Tutoriums "Internettechnologien und E-Business" - WS18/19, WS19/20
  • Betreuung von Master- und Bachelorarbeiten sowie von Master- und Bachelorseminararbeiten - seit WS18/19
  • Übung zur Vorlesung "Mathematik" - WS17/18

CV

  • Seit 07/2018
 Wissenschaftlicher Mitarbeiter und Doktorand am Lehrstuhl für Wirtschaftsinformatik und BWL, Prof. Dr. Franz Rothlauf (JGU Mainz, Deutschland)
  • 04/2022 - 06/2022
 Gastwissenschaftler am Lehrstuhl für Künstliche Intelligenz, Prof. Dr. Christian Gagné (Université Laval, Quebéc City, Kanada)
  • 10/2015 - 05/2018
 M.Sc. Management (JGU Mainz, Deutschland)
  • 01/2017 - 04/2017
 Praktikum bei BASF Ludwigshafen, Deutschland
  • 09/2016 - 12/2016
 Non-profit Projekt zur Unterstützung beim Aufbau eines Kaffeeunternehmens in La Laguna, Nicaragua
  • 04/2012 - 07/2015
 B.Sc. in Wirtschaftswissenschaften (JGU Mainz, Deutschland) & Licence mention Sciences de Gestion (Université Paris X, Frankreich), Deutsch-Französischer Doppelabschluss
  • 03/2014 - 06/2014
 Praktikum bei Audi Brüssel, Belgien

Veröffentlichungen

2023

Reiter, J., Schweim, D., & Wittenberg, D. (2023). Pretraining Reduces Runtime in Denoising Autoencoder Genetic Programming by an Order of Magnitude. Proceedings of the Companion Conference on Genetic and Evolutionary Computation, 2382-2385. DOI
Wittenberg, D., & Rothlauf, F. (2023). Small Solutions for Real-World Symbolic Regression Using Denoising Autoencoder Genetic Programming (Bde. 13986, S. 101-116). DOI
Wittenberg, D., Rothlauf, F., & Gagne, C. (2023). Denoising autoencoder genetic programming: strategies to control exploration and exploitation in search. GENETIC PROGRAMMING AND EVOLVABLE MACHINES, 24(2). DOI

2022

Sobania, D., Briesch, M., Wittenberg, D., & Rothlauf, F. (2022). Analyzing Optimized Constants in Genetic Programming on a Real-World Regression Problem. PROCEEDINGS OF THE 2022 GENETIC AND EVOLUTIONARY COMPUTATION CONFERENCE COMPANION, GECCO 2022, 606-607. DOI
Wittenberg, D. (2022). Using Denoising Autoencoder Genetic Programming to Control Exploration and Exploitation in Search (S. 102-117). DOI
Wittenberg, D., & Rothlauf, F. (2022). Denoising Autoencoder Genetic Programming for Real-World Symbolic Regression. PROCEEDINGS OF THE 2022 GENETIC AND EVOLUTIONARY COMPUTATION CONFERENCE COMPANION, GECCO 2022, 612-614. DOI

2021

Olmscheid, C., Wittenberg, D., Sobania, D., & Rothlauf, F. (2021). Improving Estimation of Distribution Genetic Programming with Novelty Initialization. Proceedings of the Genetic and Evolutionary Computation Conference Companion, 261-262. DOI
Schweim, D., Wittenberg, D., & Rothlauf, F. (2021). On sampling error in evolutionary algorithms. Proceedings of the Genetic and Evolutionary Computation Conference Companion, 43-44. DOI
Schweim, D., Wittenberg, D., & Rothlauf, F. (2021). On sampling error in genetic programming. Natural Computing. DOI

2020

Wittenberg, D., Rothlauf, F., & Schweim, D. (2020). DAE-GP: denoising autoencoder LSTM networks as probabilistic models in estimation of distribution genetic programming. Proceedings of the 2020 Genetic and Evolutionary Computation Conference, 1037-1045. DOI