Dr. Beat Tödtli

IPM Dozent

beat.toedtli@ost.ch

  • LinkedIn
    • FHS St.Gallen
      • Kompetenzfelder
        • künstliche Intelligenz, Machine Learning, Natural Language Processing, KI, ML, Deep Learning, Statistik, Data Science, Big Data, Data Mining, Computer Vision, sensor data analysis, Sensordatenanalyse, statistische Bildverarbeitung, Empfehlungssysteme

    Curriculum Vitae

    02/2013-07/2019 wissenschaftlicher Mitarbeiter am Laboratory for Web Science der Fernfachhochschule Schweiz
    10/2010-01/2013 Entwicklungsingenieur bei CI Tech Components AG
    10/2008-09/2010 Postdoc in theoretischer Teilchenphysik am Deutschen Elektronensynchrotron Schweiz 

    Kompetenzprofil

    Datenanalyse, Machine Learning, Deep Learning
    Quantenphysik und theoretische Physik
    Prototypenentwicklung in Python und Matlab
    Linux
    künstliche Intelligenz
    Machine Learning
    Natural Language Processing
    data science
    data mining
    Sensordatenanalyse
    Empfehlungssysteme
    Deep Learning
    maschinelles Lernen
    ML
    Python
    Big Data

    Lehrtätigkeit

    2003-2004 Mathematische Methoden der Physik
    2004-2008 Quantenfeldtheorie, Quantenmechanik, Lineare Algebra
    2008-2010 Quantenfeldtheorie
    2012-2019 Physik für Ingenieure, Analysis, Datenanalyse, Machine Learning, Statistik, 
    2019-2021 Datenmodellierung, Data Mining, Machine Learning, Business Intelligence

    Referate

    Was ist, kann und darf Deep Learning?, Asut Kolloquium, https://www.slideshare.net/BeatToedtli/was-ist-kannunddarfdeeplearning
    Maschinelles Lernen mit Scikit-Learn und Kaggle, Open Education Day 2019, https://www.slideshare.net/BeatToedtli/slides-open-educationday2019beattoedtli
    Machine Learning: Einführung und Anwendungen, Präsentation bei Galenica, 2019

    B.Tödtli, M.Blattner, J.Kunegis, M.Laner, J.Semenov, B.Paoli, Continuous-Time Quantum Walks on Directed Bipartite Graphs, Phys Rev A, 2016
    B. Tödtli, M. Laner, J. Semenov, B. Paol; Recommending Physics Exercises in Moodle Based on Hierarchical Competence Profiles, European Conference on Technology Enhanced Learning, 2016
    J.Blumlein, S.Klein, B.Tödtli, O(αs^2) and O(αs^3) Heavy Flavor Contributions to Transversity at Q^2>> m^2, Physical Review D: Particles and Fields 80(9), 2009
    J.Blumlein, S.Klein, B.Tödtli, 2- and 3-Loop Heavy Flavor Corrections to Transversity, Acta Physica Polonica Series B 40(11), 2009
    B. Tödtli, Methods for the Reduction of Three-Loop QCD Form Factors, arxiv:0903.0540
    S. Schilling,C. Greub,N. Salzmann,B. Tödtli, QCD Corrections to the WilsonCoeffcients C9 and C10 in Two-Higgs-Doublet Models, Physics Letters B, Volume 616, Issue 1-2, p. 93-100.
    B.Tödtli, QCD Corrections to the Wilson Coefficients for b → s l+ l− in 2HDMs: Photonic Contributions, DOI: 10.13140/RG.2.2.11881.34406, 2004
    Ulrich Reimer, Beat Tödtli, Edith Maier, How to Induce Trust in Medical AI Systems, Springer 2020
    Beat Tödtli, Maurus Kühne, Combining Universal Adversarial Perturbations, Proceedings of the Conference "Lernen, Wissen, Daten, Analysen", 35-46