Wissenschaftliche Mitarbeiterin
Branche
Informatik und Ingenieurwissenschaften
Fachgebiet
Maschinelles Lernen in der Erdbeobachtung
Ich bin ansprechbar
- als Rednerin
- als Mentorin
EuroCrops
EuroCrops ist ein Datensatz, der frei verfügbaren Agrardaten der Europäischen Union, die im Zuge der Common Agriculture Policy erhoben wurden, harmonisiert und zentral und offen zur Verfügung stellt.
Im Rahmen des Projektes wurde über einen längeren Zeitraum hinweg Kontakt zu Ministerien und Zahlstellen der Mitgliedsländer aufgebaut und somit ein Netzwerk für den Austausch dieser Daten geschaffen.
Aktuell beinhaltet EuroCrops die geo-referenzierten Feldpolygone mitsamt der angebauten Frucht für ca. 16 Staaten. Mithilfe einer neu entwickelten Fruchtklassen-Taxonomie, der sogenannten Hierarchical Crop and Agriculture Taxonomy (HCAT), ist auch eine paneuropäische Nutzung der Daten möglich.
Die Daten bieten beispielsweise die Grundlage für die Modellierung zur Abschätzung von Ertragsmengen oder der frühzeitigen Erkennung von Pflanzenkrankheiten, wodurch langfristig deren Auswirkungen auf die folgenden Wachstumsphasen vorhergesagt werden können.
Berufsbezeichnung
Arbeitgeber*in
Technische Universität München
Schwerpunkt
- Datensätze
- Agrarwirtschaft
- Machine Learning
- Copernikus
Veröffentlichungen
- Schneider, Maja; Körner, Marco: [Re] Satellite Image Time Series Classification with Pixel-Set Encoders and Temporal Self-Attention. ReScience C 7 (2), 2021
- Schneider, Maja; Broszeit, Amelie; Körner, Marco: EuroCrops: A Pan-European Dataset for Time Series Crop Type Classification. Proceedings of the 2021 Conference on Big Data from Space (BiDS '21), Publications Office of the European Union, 2021, 125-128
Projekte
- EuroCrops
Auszeichnungen
- Open Data Impact Award
- ML Reproducibility Challenge 2020
Website
Ich bin ebenfalls auf folgenden Plattformen aktiv:
Gegebenenfalls sind die Profile auf den einzelnen Seiten nicht öffentlich.
researchgate.net
orcid.org
Vita
Maja Schneider wurde 1994 in Augsburg geboren. Nach Vollendung eines interdisziplinären Bachelors in den Bereichen Informatik, Elektrotechnik und Geodäsie an der Hochschule München wechselte sie für ihren Master an die Technische Universität München (TUM). Dort schloss sie mit einem M.Sc. ihr Studium im Fach Robotics, Cognition, Intelligence mit dem Schwerpunkt Machine Learning im März 2020 ab. Seit Juli 2020 arbeitet sie als wissenschaftliche Mitarbeiterin und Doktorandin am Lehrstuhl für Methodik der Fernerkundung der TUM in der Computer Vision Research Group.
Ihre Forschungsinteressen beinhalten die theoretischen Aspekte und Erklärbarkeit von Machine Learning und Deep Learning Modellen und deren Anwendbarkeit auf Erdbeobachtungsdaten.