Intern
Chair of Computer Science II - Software Engineering

(Bachelor/Praktikum/Master): Vergleich von Machine Learning Modell Updatestrategien

21.11.2019

Comparison of Machine Learning Model Updating Strategies

Motivation

Im Rahmen der Digitalisierung werden immer mehr Daten erhoben. Um diese Datenmengen auswerten zu können, werden mittlerweile meistens Methoden des maschinellen Lernens angewendet. Hierzu wird in der Regel ein Modell einmalig trainiert und dann auf neuen Daten angewendet, um eine Vorhersage zu erhalten. Jedoch können die neu eintreffenden Daten auch wiederum verwendet werden, um das Machine Learning Modell zu verbessern oder schlicht upzudaten, wodurch die Vorhersagegenauigkeit des Modells verbessert werden soll.

­­­­

Ziele

Das Ziel dieser Arbeit ist die Implementierung mehrerer Updatestrategien für Modelle des maschinellen Lernens. Die verschiedenen Updatestrategien sollen dann in einem Beispielszenario durchgeführt und im Hinblick auf die Vorhersagekraft der resultierenden Machine Learning Modelle verglichen werden. Im Falle einer Masterarbeit würden hier evtl. mehrere Beispielszenarien durchgeführt und die Auswirkung der Updatestrategien auf verschiedene Machine Learning Methoden betrachtet.

 

Wir bieten

  • Interessante Arbeit in aktuellen Forschungsthemen
  • Möglichkeit der Einbringung eigener Ideen bei der Lösungsgestaltung
  • Intensive Betreuung und Unterstützung
  • Möglichkeit der Übernahme als Forschungs-HiWi

 

 

Dauer                                                                            

      3 - 6 Monate

 

Kontakt

Marwin Züfle, M.Sc.
marwin.zuefle@uni-wuerzburg.de
https://go.uniwue.de/zuefle

Zurück