Benutzerspezifische Werkzeuge

Information zum Seitenaufbau und Sprungmarken fuer Screenreader-Benutzer: Ganz oben links auf jeder Seite befindet sich das Logo der JLU, verlinkt mit der Startseite. Neben dem Logo kann sich rechts daneben das Bannerbild anschließen. Rechts daneben kann sich ein weiteres Bild/Schriftzug befinden. Es folgt die Suche. Unterhalb dieser oberen Leiste schliesst sich die Hauptnavigation an. Unterhalb der Hauptnavigation befindet sich der Inhaltsbereich. Die Feinnavigation findet sich - sofern vorhanden - in der linken Spalte. In der rechten Spalte finden Sie ueblicherweise Kontaktdaten. Als Abschluss der Seite findet sich die Brotkrumennavigation und im Fussbereich Links zu Barrierefreiheit, Impressum, Hilfe und das Login fuer Redakteure. Barrierefreiheit JLU - Logo, Link zur Startseite der JLU-Gießen Direkt zur Navigation vertikale linke Navigationsleiste vor Sie sind hier Direkt zum Inhalt vor rechter Kolumne mit zusaetzlichen Informationen vor Suche vor Fußbereich mit Impressum

Artikelaktionen

Kontakt

Anschrift

Professur für Data Science & Digitalisierung

Prof. Dr. Nicolas Pröllochs
Licher Straße 62
35394 Gießen


Personal website: https://www.nproellochs.com

 

Nicolas Pröllochs - Vita

Nicolas Pröllochs is a Tenure-Track Professor in Data Science and Digitization at the Faculty of Economics and Business Studies of the University of Giessen. Before joining the University of Giessen, he worked as a postdoctoral researcher in machine learning at the Department of Engineering Science of the University of Oxford, where he remains affiliated as an Associate Member at the Oxford-Man Institute. Prior to that, Nicolas Pröllochs headed the Social Computing & Finance Research Group at the University of Freiburg where he also obtained his Ph.D. in Information Systems. His research focuses on data science methods and computational techniques for understanding and predicting human decision-making in the digital age. Current projects examine, for example, the role of social media (e.g. Twitter) in shaping public opinions regarding businesses and products. Related studies apply machine learning techniques and quantitative text analysis to a broad selection of topics, including financial markets and recommender systems. Apart from these projects, he is a passionate programmer and interested in developing novel data science methods with high business value.