Dr. Beat Tödtli

Beat Tödtli ist Forscher und Dozent am Institut für Informations- und Prozessmanagement. Er ist promovierter Teilchenphysiker, Experte in Data Mining, maschinellem Lernen und statistischer Datenanalyse (z.B. für Sensorik oder Textanalyse) sowie in komplexen computeralgebraischen Berechnungen. Er engagiert sich auch in der Wissenschaftskommunikation, insbesondere in der Förderung eines breiten Verständnisses und Diskurses der Thematik der künstlichen Intelligenz und der Erklärbarkeit von maschinellem Lernen.

Kompetenzfelder

künstliche Intelligenz, Machine Learning, Natural Language Processing, Deep Learning, Statistik, Data Science, Big Data, Data Mining, Computer Vision, Sensordatenanalyse, statistische Bildverarbeitung, Empfehlungssysteme

Ausbildung

Doktorat in theoretischer Teilchenphysik, Diplom in theoretischer Physik

Berufliche Praxis

Entwicklungsingenieur für Sensorik in der Banknoten verarbeitenden Industrie

Lehre

Seit 2012 Lehre auf Fachhochschulstufe in Machine Learning, Physik, Data Science, Statistik, Data Mining, Datenmodellierung; Engagement für ein Verbreitung des Verständnises von KI/Machine Learning in der Lehre

Projekte

Projekte in digital health (wie z.B. Empfehlungssysteme für die Pflege oder die CO2-Emissionsreduktion in der Tourismusbranche), Datenanalyse für die Raumplanung, Informationssuche (Mobbing-prävention auf social media), Explainability in Machine Learning

Mitgliedschaften

Swiss alliance for data intensive services, digital health Untergruppe

Herausgeber- und Gutachtertätigkeit

Publikation in angewandtem maschinellem Lernen und in Quanteninformatik
Reviewtätigkeit für patterns

Peer-Reviewed Journal Articles and Conference Proceedings

• TÖDTLI, B., MEISSNER, J., MINDER, B., KLOTZ, U., TODISCO, A., MURRI, M., ... ULMER, T. (2022). Voice Assistant Use: Challenges for the Home Office Work Context. Euram conference..
• TÖDTLI, B., MAURUS KÜHNE, M. (2020). Combining Universal Adversarial Perturbations. In D. Trabold, P. Welke, N. Piatowski (Eds.), Proceedings of the LWDA 2020 Workshops: KDML, FGWM, FGWI-BIA, and FGDB(pp. 35-46).
• REIMER, U., TÖDTLI, B., MAIER, E. (2020). How to Induce Trust in Medical AI Systems. Lecture Notes in Computer Science (LNCS).
• REIMER, U., MAIER, E., TÖDTLI, B. (2020). Going beyond Explainability in Medical AI Systems. Proc. Modellierung 2020 Short Papers, Workshop Papers, and Tools & Demo Papers. CEUR-WS.org/Vol-2542(pp. 185-191).
• TÖDTLI, B. (2016). Continuous-time quantum walks on directed bipartite graphs., 94(5), pp. 9.

Professional Journals and Newspaper

• TÖDTLI, B. (2019, August). Vertrauen oder Angst vor Fakes. kmuRUNDSCHAU, 2019(3). Muttenz.

Presentations

• MÜLLER, S., TÖDTLI, B., VETSCH, J., RICKENMANN, M., HAUG, S., BALDAUF, M., FRÖHLICH, P. (2022). Designing Experts' Interactions with a Semi-Automated Document Tagging System. AutomationXP22: Engaging with Automation, Workshop at CHI'22.
• TÖDTLI, B. (2017). Die Grenzen von Deep Learning. Asut.