Diplom-/Master-Arbeit
| Nummer |
900 |
| Bezeichnung |
Diplom-/Master-Arbeit Model-agnostic Transfer Learning for Regression using Feature Unification Techniques |
| Profil |
Der Knowlege Based Technology-Bereich des SCCH führt gemeinsam mit Partnern aus Industrie und Wissenschaft innovative, anwendungsorientierte Forschungsprojekte durch.
Aufgabenstellung:
- Ausgehend von einem realen aber vertraulichen Transfer-Learning Problem und - Datensatz die Suche nach ähnlichen allgemein verfügbaren Real-World-Daten
- Zusätzlich oder alternativ die Modellierung der relevanten Problem-Bestandteile in Form von synthetischen Daten
- Die Formalisierung von vorhandenen Ideen zur Lösung des konkreten Transfer Learning Problems
- Die praktische Umsetzung und Evaluation dieser Ideen
|
| Voraussetzungen |
- Sie haben Programmier-Kenntnisse in Python oder/und C++, Kenntisse in Visualisierungen mit Mathematica/Matplotlib/Matlab voreilhaft
- Sie haben Grudkenntnisse in Machine Learning oder in statistischer Modellierung/Regression
- Sie haben die Fähigkeit zu mathematischer Modellierung von Problemen und Lösungen
Wir bieten ein interessantes Arbeitsgebiet im anwendungsorientierten Forschungsumfeld.
Wenn das auf Sie zutrifft und Sie neben dem Studium immer schon praktische Aufgabenstellungen lösen wollten, dann melden Sie sich!
Mehr Information zur Ausschreibung finden Sie im beigefügten Dokument. |
|
|
zurück