<?xml version="1.0" encoding="utf-8"?>


    <rss version="2.0"
         xmlns:content="http://purl.org/rss/1.0/modules/content/"
         xmlns:atom="http://www.w3.org/2005/Atom"
         xmlns:media="http://search.yahoo.com/mrss/">
        <channel>
            
                
                    <ttl>60</ttl>
                    <title>Universität Bremen - Philipp Wierzchowski, M. Sc.</title>
                    <link>https://www.uni-bremen.de/data-science-center/forschung/unsere-mitglieder/philipp-wierzchowski-m-sc</link>
                    <description>Profil DSC Mitglied Philipp Wierzchowski</description>
                    <language>de</language>
                    <copyright>Universität Bremen</copyright>
                    <pubDate>Mon, 13 Apr 2026 22:59:17 +0200</pubDate>
                    <lastBuildDate>Mon, 13 Apr 2026 22:59:17 +0200</lastBuildDate>
                    <atom:link href="https://www.uni-bremen.de/data-science-center/forschung/unsere-mitglieder/philipp-wierzchowski-m-sc/rss.xml" rel="self" type="application/rss+xml"/>
                    <generator>Universität Bremen</generator>
                
                
                    
                        <item>
                            <guid isPermaLink="false">content-529974</guid>
                            <pubDate>Fri, 06 Mar 2026 11:24:06 +0100</pubDate>
                            <title>DSC assoziiertes Mitglied</title>
                            <link>https://www.uni-bremen.de/data-science-center/forschung/unsere-mitglieder/philipp-wierzchowski-m-sc#c529974</link>
                            
                            <description>&amp;lt;p&amp;gt;&amp;lt;br /&amp;gt; &amp;lt;strong&amp;gt;Promovierender&amp;lt;/strong&amp;gt;&amp;lt;br /&amp;gt; &amp;lt;br /&amp;gt; FB 07: Wirtschaftswissenschaften&amp;lt;br /&amp;gt; &amp;lt;br /&amp;gt; &amp;lt;em&amp;gt;Professur für empirische Wirtschaftsforschung und angewandte Statistik&amp;lt;/em&amp;gt;&amp;lt;br /&amp;gt; &amp;lt;br /&amp;gt; &amp;lt;strong&amp;gt;Kompetenzen&amp;lt;/strong&amp;gt;&amp;lt;br /&amp;gt; &amp;lt;br /&amp;gt; Verarbeitung natürlicher Sprache; Maschinelles Lernen; Mehrschichtiges Lernen;&amp;lt;br /&amp;gt; Datenanalyse; Anwendungen des maschinellen Lernens im Bereich der&amp;lt;br /&amp;gt; Finanzwirtschaft und des Rechnungswesens.&amp;lt;/p&amp;gt;</description>
                            
                            <category>Content</category>
                            
                            
                        </item>
                    
                
                    
                
                    
                        <item>
                            <guid isPermaLink="false">content-529978</guid>
                            <pubDate>Fri, 06 Mar 2026 11:24:06 +0100</pubDate>
                            <title>Kurzprofil</title>
                            <link>https://www.uni-bremen.de/data-science-center/forschung/unsere-mitglieder/philipp-wierzchowski-m-sc#c529978</link>
                            
                            <description>&amp;lt;p&amp;gt;Philipp Wierzchowski studierte sowohl im Bachelor-Studium als auch im Master-Studium Betriebswirtschaftslehre mit den Schwerpunkten Rechnungswesen und Finanzwirtschaft an der Universität Bremen. Während des Studiums arbeitete er als studentische Hilfskraft für den Lehrstuhl in Finanztechnologie und für die Professur in Empirischer Wirtschaftsforschung und angewandter Statistik. Durch die Mitarbeit an datenanalytischen Forschungsprojekten und die persönliche Ausrichtung des Studiums auf die Datenwissenschaften konnte er vertiefte Kenntnisse im interdisziplinären Bereich der datenanalytischen Anwendungen erlangen. Darüber hinaus arbeitete Philipp Wierzchowski neben dem Studium in einer Wirtschaftsprüfung. Nach dem erfolgreichen Abschluss des Studiums ist Philipp Wierzchowski seit Juni 2022 Doktorand an der Professur für empirische Wirtschaftsforschung und angewandte Statistik. &amp;amp;nbsp;&amp;amp;nbsp;&amp;lt;/p&amp;gt;
&amp;lt;p&amp;gt;In seiner Forschung beschäftigt er sich mit Anwendungen des maschinellen Lernens im Bereich des Rechnungswesens und der Finanzwirtschaft. Sein Ziel ist es, für verschiedene Prozesse in diesen Bereichen Best-Practice-Lösungen unter Verwendung von KI-Methoden zu finden. Sein Blick richtet sich vor allem auf Prozesse im Bereich der internen Buchhaltung, der Wirtschaftsprüfung und der Steuerberatung.&amp;lt;/p&amp;gt;</description>
                            
                            <category>Content</category>
                            
                            
                        </item>
                    
                
                    
                        <item>
                            <guid isPermaLink="false">content-529977</guid>
                            <pubDate>Fri, 06 Mar 2026 11:24:06 +0100</pubDate>
                            <title>Kontakt</title>
                            <link>https://www.uni-bremen.de/data-science-center/forschung/unsere-mitglieder/philipp-wierzchowski-m-sc#c529977</link>
                            
                            <description>&amp;lt;p&amp;gt;Universität Bremen&amp;lt;br /&amp;gt; FB 07 – Wirtschaftswissenschaften&amp;lt;br /&amp;gt; Professur für empirische Wirtschaftsforschung und angewandte Statistik&amp;lt;br /&amp;gt; Enrique-Schmidt-Straße 1&amp;lt;br /&amp;gt; 28359 Bremen&amp;lt;br /&amp;gt; WiWi 1, Raum A 2410&amp;lt;/p&amp;gt;

&amp;lt;hr /&amp;gt;
&amp;lt;p&amp;gt;&amp;lt;br /&amp;gt; Tel.: +49 (0)421 218-66903&amp;lt;br /&amp;gt; E-Mail: &amp;lt;a class=&amp;quot;mail&amp;quot; href=&amp;quot;mailto:wierzchowski@uni-bremen.de&amp;quot; title=&amp;quot;Öffnet ein Fenster zum Versenden der E-Mail&amp;quot;&amp;gt;wierzchowski@uni-bremen.de &amp;lt;/a&amp;gt;&amp;lt;br /&amp;gt; &amp;lt;br /&amp;gt; LinkedIn Profil:&amp;lt;br /&amp;gt; &amp;lt;a href=&amp;quot;https://www.linkedin.com/in/philipp-wierzchowski-48273b216/&amp;quot; target=&amp;quot;_blank&amp;quot;&amp;gt;www.linkedin.com/in/philipp-wierzchowski&amp;lt;/a&amp;gt;&amp;lt;/p&amp;gt;</description>
                            
                            <category>Content</category>
                            
                            
                        </item>
                    
                
            
        </channel>
    </rss>

