Du interessierst Dich für Künstliche Intelligenz, Machine Learning und Datenanalyse und möchtest verstehen, welche Herausforderungen bei der praktischen Umsetzung dieser wissenschaftlichen Methoden auftreten?
Dann haben wir das passende Thema für Deine Master-Thesis:
Zur Vorhersage von Zeitreihen, wie beispielsweise Konjunkturindizes oder Nachfragedaten, gibt es eine Vielzahl von Methoden. Dabei ist es oftmals schwierig zu entscheiden, welche Methode für eine vorliegende Problemstellung die richtige ist. Meta-Learning versucht über viele Zeitreihen hinweg zu lernen, welche Methode (oder welche Kombination aus Methoden) für eine spezifische Zeitreihe am besten geeignet ist. Ma und Fildes (2021) schlagen dazu ein neues Verfahren vor, welches mit Hilfe von Convolutional Neural Nets versucht die beste Kombination von Prognosemethoden zur Vorhersage von Zeitreihen zu lernen: https://www.sciencedirect.com/science/article/pii/S0377221720304847
Im Rahmen Deiner Masterarbeit implementierst Du Teile des Verfahrens aus diesem Paper nach und wendest es für die Prognose des Frachtvolumens eines Logistikunternehmens an. Dabei passt Du es gegebenenfalls an die gegebene Problemstellung an.
- Du bist Studierende/r eines Studiengangs mit quantitativem Bezug (z.B. Statistik, Wirtschaftsinformatik, Mathematik, Informatik)
- Du hast idealerweise Erfahrung mit Datenstrukturen und Machine Learning Methoden
- Du zeichnest Dich durch analytisches Denkvermögen und hohe Abstraktionsfähigkeit aus
- Du hast Spaß an angewandter Forschung
- Du arbeitest selbstständig, gründlich und zeigst Eigeninitiative
- Ein innovatives, spannendes und praxisorientiertes Thema
- Ein offenes und kollegiales Arbeitsumfeld
- Flexibilität in der Arbeitszeitgestaltung
- Den Freiraum, Dich Deinen Interessen und Fähigkeiten entsprechend zu entwickeln
- Hervorragende Betreuung durch unsere Expertinnen und Experten
Für die Vergabe und Durchführung der Arbeiten gelten die Regeln der Hochschule, an der Du eingeschrieben bist. Bitte halte entsprechend Rücksprache mit einem Professor Deiner Wahl, der die Arbeit betreuen kann.
Interesse geweckt?
Wir freuen uns auf Deine vollständige und aussagekräftige Bewerbung (PDF: Anschreiben, Lebenslauf, letzten Notenspiegel) unter Angabe der Kennziffer 54694-SCS an Nina Wörlein oder Maximilian Müller.
Bitte gib in Deiner Bewerbung an, wie Du auf dieses Stellenangebot aufmerksam geworden bist.
Kennziffer: 54694 | Bewerbungsfrist: |