Züchtungsinformatik

Dr. Felix Heinrich

Forschungsfelder und Interessen

  • Maschinelles Lernen und Deep Learning
  • Informationstheorie
  • Anwendung dieser Methoden und Theorien in der Tier- und Pflanzenzüchtung

Aktuelles Forschungsprojekt

Im Rahmen des von der BLE geförderten Verbundprojektes "GlasSchwein" (FKZ: 28DI107B23; 11/2024 - 11/2027) analysiere ich heterogene Daten, welche entlang der Wertschöpfungskette Schwein erfasst werden. Mein Fokus liegt dabei auf der Entwicklung statistischer Modelle und Machine-Learning-Verfahren, um die Schlachtparameter sowie die Fleischqualität individueller Tiere bereits möglichst früh in der Wertschöpfungskette präzise vorherzusagen.

Aktuelle Lehre

Wintersemester

  • Applied Machine Learning in Agriculture with R (MSc)

Curriculum Vitae


Wissenschaftliche Qualifikationen

Zeitraum Abschluss / Studiengang
2018 - 2022 Dr. rer. nat. in den Agrarwissenschaften, Georg-August-Universität Göttingen
2016 - 2018 Master of Science in Angewandter Informatik, Georg-August-Universität Göttingen
2013 - 2016 Bachelor of Science in Angewandter Informatik, Georg-August-Universität Göttingen

Beruflicher Werdegang

Zeitraum Tätigkeit
Seit 10/2018 Wissenschaftlicher Mitarbeiter in der Abteilung Züchtungsinformatik, Georg-August-Universität Göttingen
04/2017 - 09/2018 Studentische Hilfskraft in der Abteilung Züchtungsinformatik, Georg-August-Universität Göttingen
SoSe 2016 -
SoSe 2018		 Studentische Hilfskraft am Institut für Informatik, Georg-August-Universität Göttingen
06/2015 - 06/2018 Studentische Hilfskraft am Institut für Bioinformatik, Universitätsmedizin Göttingen

Ausgewählte Publikationen


Autoren Titel Journal
Heinrich, F., Lange, T. M., Ramzan, F., Gültas, M., Schmitt, A.O. Normalized Cumulative Gain as an Alternative Evaluation Measure for Genomic Selection Models Genetics Selection Evolution
Lange, T. M., Gültas, M., Schmitt, A.O., Heinrich, F. optRF: Optimising random forest stability by determining the optimal number of trees BMC Bioinformatics
Heinrich, F., Simianer, H., Bölling, J., Röckelein, H., Roos, C., Reimer, C., Schmitt, A. O. Genomic analysis of three medieval parchments from German monasteries Scientific Reports
Heinrich, F., Lange, T. M., Kircher, M., Ramzan, F., Schmitt, A. O., Gültas, M. Exploring the potential of incremental feature selection to improve genomic prediction accuracy Genetics Selection Evolution
Wutke, M., Heinrich, F., Das, P.P., Lange, A., Gentz, M., Traulsen, I., Warns, F.K., Schmitt, A.O., Gültas, M. Detecting Animal Contacts—A Deep Learning-Based Pig Detection and Tracking Approach for the Quantification of Social Contacts Sensors
Heinrich, F., Ramzan, F., Rajavel, A., Schmitt, A.O., Gültas, M. MIDESP: Mutual Information-Based Detection of Epistatic SNP Pairs for Qualitative and Quantitative Phenotypes Biology
Klees, S., Heinrich, F., Schmitt, A.O., Gültas, M. agReg-SNPdb: A Database of Regulatory SNPs for Agricultural Animal Species Biology
Heinrich, F., Wutke, M., Das, P.P., Kamp, M., Gültas, M., Link, W., Schmitt, A.O. Identification of regulatory SNPs associated with vicine and convicine content of Vicia faba based on genotyping by sequencing data using deep learning Genes

Für eine vollständige Liste siehe ResearchGate oder Google Scholar.