ALT + + Schriftgröße anpassen
ALT + / Kontrast anpassen
ALT + M Hauptnavigation
ALT + Y Socials
ALT + W Studiengang wählen
ALT + K Homenavigation
ALT + G Bildwechsel
ALT + S Übersicht
ALT + P Funktionsleiste
ALT + O Suche
ALT + N Linke Navigation
ALT + C Inhalt
ALT + Q Quicklinks
ESC Alles zurücksetzen
X
A - keyboard accessible X
A
T
Florian Grimm

Florian Grimm, M.Sc.Forschungsgruppe Digitalisierung und Management

ESB-Profilseite
LinkedIn-Profil
XING-Profil

Gebäude 5
Raum 011
Tel. +49 7121 271 1498
Mail senden »

Verantwortungsbereiche

Wissenschaftlicher Mitarbeiter der Forschungsgruppe Digitalisierung und Management

Forschungsthemen
  • Artificial Intelligence
    • Machine Learning
    • Deep Learning
  • Data Analysis
    • Time Series Analysis/Prediction/Classification
    • Data Augmentation
Aktuelle Forschungsprojekte

ANIMATE

Vita
  • Wissenschaftlicher Mitarbeiter an der ESB Business School der Hochschule Reutlingen, Reutlingen
  • Studium der Medieninformatik (M.Sc.), Eberhard Karls Universität Tübingen, Tübingen
    • Auslandssemester an der Università degli Studi Roma Tre, Rom (Italien)
    • Praktikum im Bereich Datenanalyse, Daimler AG, Untertürkheim
    • Masterthesis bei der Daimler AG
      Thema: Classifying Industrial Welding Data Using Support Vector Machines and Neural Networks
  • Studium der Medieninformatik (B.Sc.), Eberhard Karls Universität Tübingen, Tübingen
  • Ausbildung zum Fachinformatiker im Bereich Systemintegration, Deutsche Telekom AG, Regensburg
Publikationen
  • D. Kiefer, M. Bauer and F. Grimm: Univariate Time Series Forecasting: Machine Learning Prediction of the Best Suitable Forecast Model based on Time Series Characteristics. In: Proceedings of the 14th International Conference on Human Centred Intelligent Systems (KES-HCIS-21). Rom 2021.
  • M. Bauer, D. Kiefer and F. Grimm: Sales Forecasting under Economic Crisis: A Case study of the Impact of the COVID19 Crisis to the predictability of Sales of a Medium-Sized Enterprise. In: Proceedings of the 14th International Conference on Human Centred Intelligent Systems (KES-HCIS-21). Rom 2021.
  • F. Grimm, D. Kiefer and M. Bauer: Univariate Time Series Forecasting by Investigating Intermittence and Demand Individually. In: Proceedings of the 14th International Conference on Human Centred Intelligent Systems (KES-HCIS-21). Rom 2021.
  • D. Kiefer, C. van Dinther and J. Spitzmüller: Digital Innovation Culture – A Systematic Literature Review. In: Proceeding of the 16. Internationale Tagung der Wirtschaftsinformatik (WI). 16. Auflage. Duisburg-Essen 2021.
  • D. Kiefer, F. Grimm, M. Bauer and C. van Dinther, “Demand Forecasting Intermittent and Lumpy Time Series: Comparing Statistical, Machine Learning and Deep Learning Methods,” in Proc. 54rd Hawaii Int. Conf. Syst. Sci., Maui, HI, USA, Jan. 2021.