FORSCHUNGSINTERESSEN

Methoden:

• Statistische Lernverfahren, z.B. Gradientenboosting für Regressionsmodelle


• Maschinelles Lernen


• Regressionsanalysen, z.B. gemischte Modelle, Generalisierte Additive Modelle für Lage- und Skalenparameter (GAMLSS)


• Joint Models für longitudinale and Ereigniszeitdaten


• (Quantitative) Methoden der empirischen Sozialforschung

Anwendungsgebiete:

• Soziale Ungleichheitsforschung


• Arbeitsmarktsoziologie

LEHRE

• Praktikum Statistische Modellierung (SoSe 2024, SoSe 2025)


• Generalized Regression (SoSe 23, SoSe 24, SoSe 25)


• Current Topics in Applied Statistics (WiSe 23/24)


• Grundlagen Bayesianische Statistik und statistisches Lernen (WiSe 22/23, WiSe 23/24, WiSe 24/25)

Informationen zum Inhalt der Lehrveranstaltungen finden sie hier oder in den Modulbeschreibungen.



Angebotene Abschlussarbeiten finden sich hier oder mit persönlicher Absprache. Ich unterstütze gern bei der Ausarbeitung eigener Themen mit Bezug auf meine Forschungsinteressen, sowohl hinsichtlich der Methodenwahl als auch der Datensatzfindung.

PUBLIKATIONEN

POSTER UND VORTRÄGE

• IWSM 2025 Joint models for rare events (Poster)


• DagStat 2025: Joint models for rare events (Vortrag)


• Freda User Conference: Joint models for longitudinal and time-to-event data in the social sciences (Vortrag)


• CompStat 2024: Joint models for longitudinal and time-to-event data in the social sciences (Vortrag)


• IWSM 2024: Joint models for longitudinal and time-to-event data in social science research (Poster)


• IWSM 2023: Prediction-based variable selection for component-wise gradient boosting (Vortrag)


• DAGStat 2022: Prediction-based variable selection for component-wise gradient boosting (Poster)