Lehre

Regelmäßige Lehrveranstaltungen

  • Technisches Innovationsmanagement
    • Forschungsprojekt
  • Technisches Innovationsmanagement (International)
    • Big Data
    •  Research & Development Project
  • Data Science und Data Science (berufsbegleitend)
    • Mathematische Methoden der Data Science
    • Maschinelles Lernen
    • Deep Learning
    • Analyse Technischer Daten
    • Praxisprojekt
    • Forschungs- und Entwicklungsprojekt
    • Verschiedene Units der Vertiefungen

Themen für Abschluss- und Semesterarbeiten

Alle folgenden Themen können in unterschiedlicher Tiefe für Bachelor- und Masterarbeiten untersucht werden und eignen sich größtenteils auch zur Bearbeitung in den Semesterprojekten der Studiengänge Technisches Innovationsmanagement und Data Science.

Falls Sie eine andere Fachrichtung studieren, sprechen Sie mich trotzdem an - wir passen die Fragestellung dann an Ihre Vorkenntnisse und Lernziele an!

Themenfeld Aktuarwissenschaften / Datengetriebene Ökonomie

  • Pricing in der Kompositversicherung
    • mittels Kontextdaten
    • Nicht-Standard-Regressionen

Themenfeld Mobilität / Autonomes Fahren

  • Verkehrsmengenschätzung über unvollständige Geodaten
  • Manövererkennung für die Kfz-Telematik
  • Ablenkung in den Automatisierungsstufen 3/4
  • Kategorisierung von Fahrsitutationen

Themenfeld Ergonomie / Exoskelette

  • Bewegungserkennung von Unterstützungssystemen
  • Kinematikvorhersage für Exoskelette
     

Themenfeld Predictive Analytics

  •  Schätzung von Ausfallwahrscheinlichkeiten von Anlagen
  •  Anomalieerkennung in der Prozessleittechnik

Themenfeld Erklärbarkeit der KI

  • Diskriminierung durch KI/ML-Verfahren
  • Konfidenzintervalle für ML-Verfahren
    •  G​eboostete Verfahren
    •  Agnostische Verfahren

Themenfeld Grundlagen der KI

  • Benchmarking und Effizienzabschätzungen von verschiedenen Beschleuniger-Chips
  • Ansätze für dynamisches Last-Balancing in einer Hadoop-Spark-Clusterumgebung
  • Analyse und Beseitigung von Bottlenecks in Verteilten Rechnenclustern via Spark

»Daten sind stumm. Data Science bringt sie zum Sprechen.«