InstitutTeam
Tim Ruhkopf

Tim Ruhkopf, M. Sc.

Tim Ruhkopf, M. Sc.
Tim Ruhkopf, M. Sc.

I received my M.Sc. in Applied Statistics and B.Sc. in Economics from the University of Göttingen. In my studies I focused on Machine & Deep Learning, (Bayesian) Generalized Linear Regression methods and Econometrics respectively. My thesis concerned itself with extracting main effects from Bayesian Neural Networks using grouped shrinkage priors and splines; inferring its parameters using Stochastic Gradient Markov Chain Monte Carlo methods. 

Since Sep. 2021, I am pursuing my PhD as a member of Prof. Lindauer’s group. My current research interests are Bayesian- & multi-fidelity optimization and meta-learning, aiming at boosting the performance of machine learning algorithms by choosing appropriate hyperparameters in a data driven, principled and efficient manner. My distinct objects of study are Knowledge Graphs and Graph Neural Networks. Recently, I am interested reinforcement learning for algorithm selection.

Research Interests

  • Bayesian Optimization
  • Multi-Fidelity für Hyperparameteroptimierung
  • Multi-Fidelity auf Graph Neural Networks
  • Meta-Learning für Hyperparameteroptimierung
  • Reinforcement Learning für Algorithmusselektion auf partiellen Lernkurven

Curriculum Vitae

  • Working Experience

    2021 (6 Monate) Research Assistant, Georg-August Universität Göttingen

    2019 (6 Monate) Praktikum: Data Architecture and Smart Analytics, Deutsche Bank AG

    2017-2018 (18 Monate) Research Assistant, Georg-August Universität Göttingen

  • Education

    Seit 2021 PhD Kandidat in AutoML, Leibniz Universität Hannover

    2017-2020 M.Sc Angewandte Statistik, Georg-August Universität Göttingen

    2014-2017 B.Sc. Volkswirtschaftslehre, Georg-August Universität Göttingen

Publications

  • Aditya Mohan, Tim Ruhkopf, Marius Lindauer (2022): Towards Meta-learned Algorithm Selection using Implicit Fidelity InformationICML Workshop on Adaptive Experimental Design and Active Learning in the Real World (ReALML)
    arXiv: 2206.03130
  • Marius Lindauer, Katharina Eggensperger, Matthias Feurer, André Biedenkapp, Difan Deng, Carolin Benjamins, Tim Ruhkopf, René Sass, Frank Hutter (2022): SMAC3: A Versatile Bayesian Optimization Package for Hyperparameter OptimizationJournal of Machine Learning Research (JMLR) -- MLOSS, Vol. 23, No. 54, pp. 1-9 Weitere Informationen

Projects

  • CoyPu: Cognitive Economy Intelligence Plattform für die Resilienz wirtschaftlicher Ökosysteme
    Naturkatastrophen, Pandemien, Finanzkrisen, politische Krisen und Angebotsknappeheiten oder Nachfrageschocks propagieren sich durch offensichtliche und latente Handelsbeziehungen durch das globale ökonomische System. Dies ist eine Konsequenz der kontinuierlichen Globalisierung mit der einhergehenden Arbeitsteilung. Ziel dieses Projektes ist es diese Verbindungen offenzulegen und kaskadierende Risiken vorherzusagen um damit Unternehmen die Möglichkeit einzuräumen vorausschauend agieren zu können.
    Leitung: Prof. Marius Lindauer and Prof. Maria Esther-Vidal (L3S/LUH)
    Team: InfAI, DATEV eg., eccenca GmbH, Implisense GmbH, Deutsches Institut für Wirtschaftsforschung, Leibniz Informationszentrum Technik und Naturwissenschaften, Hamburger Informatik Technologie-Center e.V., Selbstregulierung Informationswirtschaft e.V., Infineo
    Jahr: 2021
    Förderung: Innovationswettbewerb Künstliche Intelligenz (BMWK)
    Laufzeit: 2021-2024