Crowdsourcing Technologie 

• High-Quality Datenerhebung mittels Crowdsourcing
• Datenmanagement und Datenservices durch Crowdsourcing (clean, index, verify, tag, label, translate, summarize, join, etc. )
• Datensynthese und Datengenerierung durch Crowdsourcing
• Subjektive Einflüsse und Bias-Normalisierung im Crowdsourcing
• Crowd-Creation, Crowd-Voting, Crowd-Storming, Crowd-Testing Applikationen
• Crowdsourcing Service für Maschinelles Lernen und BI
• Crowdsourcing Business und Business Logic
• Komplexe automatisierte Workflows: Kombination menschlicher und künstlicher Intelligenz
• Crowdsourcing mit mobile Endgeräten
• Real-time Crowdsourcing
• Skill-based Crowdsourcing und Verifikation von Crowd-Experten

Sprachtechnologie 

• Automatische Benutzerklassifizierung anhand Sprache
• Automatische Sprechercharakterisierung (Alter, Geschlecht, Emotionen, Persönlichkeit) 
• Automatische Spracherkennung (ASR), Prosodie- und Voice Gesture Erkennung
• Analyse stimmlicher Ausdrucksformen, Phonetische Sprachanalyse
• App Entwicklung für Sprachanwendungen (Android, iOS)

Textklassifikation, Natural Language Processing (NLP)  

• Sentiment Analyse
• Affektive Analyse, Emotionen
• Personality und Lifestyle Detection aus Social-Media (Twitter, FB, G+, etc.)

Maschinelles Lernen, Künstliche Intelligenz 

• Automatische Nutzermodellierung
• Klassifikation und Vorhersage mittels linearer und nicht-linearer Algorithmen
• Selektions- und Reduktionsverfahren
• Evaluations und Verifikationsverfahren

Biographie:

Tim Polzehl studierte eine Kombination aus Kommunikationswissenschaften an der Technischen Universität Berlin und Amerikanistik an der Humboldt Universität zu Berlin. Der Fokus der Studien lag dabei auf einer Verbindung aus linguistischem Sprachwissen mit Kenntnissen zur Signalanalyse und Parameterextraktion. Damit wurde eine umfassende Analyse von Sprachdaten hinsichtlich der Interpretation von Sprach- und Sprach-Metadaten ermöglicht. Zusätzlich erarbeitete er sich Kenntnisse im Bereich des Maschinellen Lernens und der Künstliche Intelligenz, die zur Erstellung einer eigenen Software zur automatischen Emotionserkennung als Abschlussarbeit seiner Studien führte. 

2008 trat Tim Polzehl eine Stelle als Doktorand an den Deutsche Telekom Laboratories (T-Labs) und dem Quality and Usability Lab an und arbeitete sowohl in industrienahen als auch in forschungsnahen Projekten zur Sprachtechnologie, App-Entwicklung, im Bereich Machine Learning und im Bereich der Crowdsourcing Entwürfe und Lösungen.

2011-2013 leitete Tim ein F&E Entwicklungsprojekt der Telekom Innovation Laboratories in Bereich Intelligente Customer-Care Systeme und Sprach-Apps.

2012-2014 nahm Tim an einer BMBF geförderten Führungskräfteausbildung mit u.a. SAP, Software AG, Scheer Group, Siemens, Holtzbrinck, Bosch, Datev und Deutsche Telekom AG sowie weiteren universitären Spitzeneinrichtungen teil (Softwarecampus).       

2014 erlangte Tim den Doktortitel zum Thema der automatische Persönlichkeitsvorhersage aus Nutzerdaten.

Seit 2014 ist Tim Postdoc am Lehrstuhl für Quality and Usability, leitet die Next-Generation Crowdsourcing Gruppe, berteut und akquiriert die Projekte der Gruppe, und betreut die Ausgründung der eigenentwickelten Crowd-Lösung Crowdee.

Seit 2015 ist Tim zusätzlich Projektleiter am EIT-Digital für EU-weite Softwareinnovationsprojekte mit Partnern aus Wissenschaft und Industrie. 

Laufende und abgeschlossene Projekte

Bitte hier klicken

Adresse:

Quality and Usability Labs

Technische Universität Berlin

Ernst-Reuter-Platz 7

D-10587 Berlin

Tel.:+49 (30) 8353-58227
Fax: +49 (30) 8353-58409

mailto:tim.polzehl@qu.tu-berlin.de