Labor für Mathematik und maschinelles Lernen

Mathematik ist eine fundamentale Disziplin des maschinellen Lernens und ist unerlässlich um

  • ein grundlegendes Verständnis dieses Wissenschaftsgebiets zu erlangen,
  • bestehende Verfahren weiterzuentwickeln und auf neue Anwendungen zu adaptieren,
  • Robustheit und Unsicherheit quantifizierbar zu machen,
  • das theoretische Fundament weiter auszubauen.

Das Labor für Mathematik und maschinelles Lernen dient der Durchführung von Projekten und Abschlussarbeiten zu Themengebieten des maschinellen Lernens. Ein besonderer Fokus liegt dabei auf Arbeiten mit Bezug zu den mathematischen Grundlagen und neuartigen Anwendungen neuronaler Netze.

Programmieren eines softwarebasiertes Dialogsystem, meist als Chatbot bezeichnet, zur KI-gestützten Beantwortung von Anfragen Studierender. Service Chatbot

Neuronalen Netze: Autoencoder

In neueren Untersuchungen zu neuronalen Netzen stellte sich heraus, dass Autoencoder die Tendenz aufweisen durch langes Trainieren Fixpunkte an Trainingsdaten auszubilden. Somit memorieren diese Netze gewisse Trainingsdaten ähnlich wie klassische Hopfield Netze.

Nicolas Schuler und Hendrik Büthe haben im Rahmen ihres Projektstudiums am Fachbereich Informatik eine Web-Applikation entwickelt, die es ermöglicht diesen Effekt und die Dynamik (iterative Anwendung von Autoencodern) anhand von 2D oder 3D Daten visuell begreifbar zu machen.

Zur App

Abschlussarbeiten

Lernumgebung für Reinforcement Learning
Bachelor-Abschlussarbeit

Jonas Wild, Bachelorstudent im Fachbereich Informatik, hat in seiner Bachelorarbeit eine eigene Umgebung zum intuitiven Verständnis von Reinforcement Learning (RI) implementiert.

Zum Projekt

Das Labor für Mathematik und Maschinelles Lernen

Aufbau und Verwaltung des Labors für Mathematik und Maschinelles Lernen. Dieses Labor widmet sich folgenden übergeordneten Zielen:

  • Untersuchung mathematischer Aspekte des maschinellen Lernens
  • Durchführung von Projekten zu Anwendungen von Verfahren des maschinellen Lernens, zum Beispiel im Hochschulumfeld oder in Zusammenarbeit mit industriellen Partnern
  • Schaffung von Mitteln zur Einführung und förderung des Verständnisses im Bereich des maschinellen Lernens.

Zum Projekt

Ansprechpartner

Prof. Dr. Hans-Peter Beise
Prof. Dr. Hans-Peter Beise
Professor FB Informatik

Kontakt

+49 651 8103-755

Standort

Schneidershof | Gebäude O | Raum 203
back-to-top nach oben