Offene Abschlussarbeiten
Thema | Betreuer | Typ | Partner |
Jedes Jahr veröffentlicht Gartner Inc. eine Bewertung zu Emerging Technologies – sog. Hype Cycle. Eine Frage die sich hierdurch zwangläufig stellt ist: Haben diese Technologien (und vor allem die Phase in welcher sie sich befinden) einen Einfluss auf das Verhalten von Bakern bei der Finanzierung von Startups über Crowdsourcing Plattformen?
|
Stefan Arnold | Bachelor/Master | – |
Künstliche Neuronale Netze (KNN) sind inspiriert durch das menschliche Gehirn. Mit Hilfe von KNN lassen sich verschiedene Problemstellungen computerbasiert lösen. In der Praxis müssen bei der Erstellung eines KNN einige Entscheidungen getroffen werden, z.B.: Welche Architektur eignet sich für einen gegebenen Anwendungsfall? Welche der etablierten Aktivierungsfunktionen ist am effizientesten, welche am stabilsten? Welche Methoden zur Initialisierung, Optimierung und Regularisierung sollten eingesetzt werden? Ziel der Arbeit(en) ist es, die Bestandteile eines KNN – jeweils getrennt voneinander – anhand der bestehenden Literatur zur untersuchen. Die Erstellung der Arbeit erfordert keine Kenntnisse in einer Programmiersprache, allerdings werden grundlegende Kenntnisse in Mathematik vorausgesetzt (z.B. Monotonie einer Funktion).Nähere Informationen zu den einzelnen Arbeiten finden Sie auf meinem Profil oder per E-Mail.
|
Stefan Arnold | Bachelor/Master | – |
Beschreibung: Künstliche Intelligenz ist auf dem Vormarsch und hat immer größeren Einfluss auf die weltweite Wirtschaft (link).Dabei spielt Maschinelles Lernen eine große Rolle in der Entwicklung der der Technologie in den letzten 10 Jahren. Vor allem Deep Reinforcement Learning gilt als eine Möglichkeit wirklich intelligente Systeme zu realisieren und hat bereits beeindruckende Errungenschaften erbracht.Ziel der Arbeit: Ziel der Arbeit ist eine systematische Analyse der Applikationen und Anwendungen von (Deep) Reinforcement Learning in Unternehmen und Organisationen. Dabei sollen Eigenschaften, Voraussetzungen und Erfolgsfaktoren betrachtet werden. Im Rahmen der Arbeit wird dafür eine systematische Literaturrecherche durchgeführt sowie die Ergebnisse dieser analysiert und dargestellt.Voraussetzungen:
|
Markus Schmitz | Master | – |
Corona hat im Jahr 2020 in nahezu allen Lebensbereichen tiefe Veränderungen bewirkt. Die neuesten Zahlen in Europa und Deutschland zeigen, dass sich trotz gesteigerter Verhaltensmaßnahmen und Hygienevorschriften das Virus exponentiell ausbreiten kann. Eine wichtige Herangehensweise der Pandemiebekämpfung ist aus epidemiologischer Sicht die effektive und effiziente Kontaktnachverfolgung und Identifizierung von sogenannten “(Corona-)Clustern”. Corona-Apps können dabei eine wichtige Rolle spielen, denn eine große Mehrheit der Bevölkerung besitzt Internetfähige Mobilgeräte, wie Smartphones und Smartwatches. Aktuelle Nutzungsstatistiken der verfügbaren Corona-Apps offenbaren jedoch Verbesserungspotenziale. Zum Beispiel existiert in der EU noch kein einheitliches Vorgehen. Stattdessen entwickelt jedes Land seine eigene Corona-App.Ziel der Arbeit ist es, eine systematische State Of The Art-Analyse der verfügbaren Corona-Apps durchzuführen, um Handlungsempfehlungen für die weitere Entwicklung zu geben. Die Analyse sollte dabei aktuelle Konzepte und Theorien in der Appentwicklung (z.B. „Inteligent App“, Gamification, etc.) berücksichtigen.Voraussetzungen:
|
Mark Kram | Bachelor/Master | – |
We are all familiar with queues and waiting times—but none of us like them. However, queues are an important concept for companies, where “queuing” as a service is emerging as an important Business model. The thesis should involve in developing a prototype system for predicting and visualizing distributed product information Queues. It contributes to the ongoing academic discourse regarding the applications of artificial intelligence to business and the practical development of prediction and visualization solutions.The prototype can be found on GitHub https://github.com/Sultanow/dc_cubesVoraussetzungen:
|
Mark Kram | Bachelor/Master | Capgemini |
Die Assoziationsanalyse ist ein maschinelles Lernverfahren aus dem Bereich des unüberwachten Lernens, das ursprünglich durch Anwendungen aus dem Handelsumfeld motiviert ist. Ihr liegt das Prinzip zugrunde, bedingte Wahrscheinlichkeiten des Erwerbs eines Produkts A unter der Bedingung des Erwerbs eines anderen Produkts B zu ermitteln. Das Verfahren wird hier auf die statische Codeanalyse (SCA) zur Identifizierung potenzieller Fehler eines missionskritischen Großsystems im öffentlichen Sektor angewendet. Verzögert sich dort die Fehlerbereinigung, kann es je nach Schwere des Fehlers teuer werden – ein Hotfix ist dann unabdingbar. Im Rahmen der Abschlussarbeit soll ein Algorithmus und Werkzeug optimiert werden, dass sich die Assoziationsanalyse für SCA in einem derart kritischen Umfeld zunutze macht.Machine Learning is often associated with predictive analytics, for example with the prediction of buying and termination behavior, with maintenance times or the lifespan of parts, tools or products. However, Machine Learning can also serve other purposes such as identifying potential errors in a mission-critical large-scale IT process of the public sector. A delay of troubleshooting can be expensive depending on the error’s severity – a hotfix may become essential. The Thesis should optimize an algorithm and tool that uses unsupervised machine learning techniques for SCA in such a critical Environment.Voraussetzungen:
|
Mark Kram | Bachelor/Master | Capgemini |
|
Martin Enders | Bacholor/Master | aConTech |
Aktueller Stand:
Ziel der Arbeit:
Benötigte Fähigkeiten
|
Martin Enders | Bachelor/Master | toolcraft MBFZ toolcraft GmbH
(Georgensgmünd) |
Die Arbeiten werden in Kooperation mit dem Bosch Werk NuP1 in Nürnberg in der Zweibrücknerstraße ausgeschrieben.Insgesamt werden 2 Arbeiten zu diesem Thema vergeben.Aktueller Stand:
Ziel der Arbeit:
Vorraussetzungen:
|
Martin Enders | Bachelor/Master | Bosch (Nürnberg) |