Ankita begann ihre Zeit an der KLU im September 2023 als PhD-Doktorand:in unter der Hauptbetreuung von Prof. Dr. Alexander Himme und der Nebenbetreuung von Prof. Dr. Henrik Leopold. Ihr Forschungsschwerpunkt liegt vor allem auf der Entwicklung und Anwendung von Systemen, die modernste Algorithmen des maschinellen Lernens nutzen, um den Einfluss nichtfinanzieller Informationen aus Gewinnbekanntgaben auf den Unternehmenswert vorherzusagen. Dieses Forschungsthema verdeutlicht ihr Engagement für die Erforschung der Schnittstelle zwischen maschinellem Lernen, Rechnungswesen und Marketing. Es hat das Potenzial, wertvolle Erkenntnisse für Manager:innen, Analyst:innen und Investor:innen zu liefern, die den Einfluss nichtfinanzieller Informationen auf den Unternehmenswert besser verstehen möchten.
Ankita hat einen Bachelor of Engineering in Informationstechnologie von der Amaravati University in Indien und einen Master-Abschluss in Informatik und Ingenieurwesen von der Rajiv Gandhi Proudyogiki Vishwavidyalaya in Indien. Während ihres Masterstudiums erreichte sie einen bedeutenden Meilenstein, indem sie ihren ersten Artikel in einer renommierten Fachzeitschrift veröffentlichte und damit ihr Fachwissen und ihre Forschungsfähigkeiten unter Beweis stellte. Ihre Hauptinteressengebiete liegen im Bereich des maschinellen Lernens und der Datenwissenschaft, was ihre Leidenschaft für diese Fachgebiete unterstreicht.
Nach ihrem Bachelor-Abschluss hatte Ankita die Gelegenheit, bei Accenture Solutions Pvt Ltd als Senior Software Engineer und Teamleiter:in zu arbeiten. Während dieser Zeit sammelte sie wertvolle Branchenerfahrung und hatte die Möglichkeit, an verschiedenen Standorten wie London (Großbritannien) und Düsseldorf (Deutschland) tätig zu sein. Ankita hat maßgeblich zu verschiedenen Projekten für Kund:innen aus der Finanz- und Telekommunikationsbranche beigetragen. Dank ihrer Fachkenntnisse und Erfahrung konnte sie diesen Branchen wertvolle Einblicke und Lösungen liefern. Ihre Beiträge haben Kund:innen in diesen Bereichen dabei geholfen, ihre Ziele zu erreichen und ihre Abläufe zu verbessern. Ihr Engagement bei Initiativen zur sozialen Unternehmensverantwortung war deutlich zu erkennen.
Contact
Networks
Education
| Since 2023 | PhD candidate, Kühne Logistics University, Hamburg, Germany |
| 2016 - 2018 | Master of Science in Computer Science and Engineering, Rajiv Gandhi Proudyogiki Vishwavidyalaya, Bhopal, India |
| 2006 - 2010 | Bachelor of Engineering in Information Technology, Amaravati University (SGBAU), Amaravati, India |
Professional Experience
| Since 2023 | Research Associate, Kühne Logistics University, Hamburg, Germany |
| 2022 - 2023 | Internship, Pantech Solutions Pvt Ltd, Chennai, India |
| 2011 - 2019 | Team Lead, Accenture Solutions Pvt Ltd, India |
| 2015 - 2015 | Senior Software Engineer, Accenture Services Pvt Ltd, Düsseldorf, Germany |
| 2012 - 2012 | Software Engineer, Accenture Services Pvt Ltd, London, United Kingdom |
Publikationen
Facial expression is a gesture developed with the facial muscles that communicates the individual's emotional expression. As Artificial Inteligence(AI) and Computer Vision technology advances, machines must learn to recognize human emotions in order to communicate effectively. Using the Deep Convolutional Neural Network (DCNN) technique, face expression are examined to detect emotion using deep learning. The proposed system is trained and evaluated in real time using the ADFES-BIV dataset. In the training phase, transfer learning technique is used to extract features from pictures as well as live video and a haar-cascade classifier is employed to detect the multiple faces in a frame. The Facial Action Coding System detects five universal emotions: happy, sad, neutral, surprise and anger and some micro emotions such as contempt, embarrass, fear, disgust and pride also can be detected by a person's face. It can recognize many facial emotions at the same time using deep learning. The system achieved a training accuracy of 81.67%.
