Seit ich in einem Bachelorseminar neuronale Netze kennengelernt habe, ist Maschinelles Lernen stets der Fokus meines Studiums gewesen. Eine kooperative Promotion in diesem Gebiet ist für mich die passende Fortführung dieses Weges. Da ich beide Abschlüsse hier an der Hochschule Trier absolviert habe und die Lernatmosphäre hier sehr schätze, war es für mich klar, hier zu promovieren. Ich möchte auch in Zukunft weiter mit Neuronalen Netzwerken arbeiten und auf diesem Gebiet forschen.
Die gewonnenen Erkenntnisse über die Rekonstruktionseigenschaften bei Autoencodern sollen entweder eine bestehende Anwendung verbessern oder zu einer neuen Anwendung führen.
Mögliche Einsatzfelder sind z. B. ein Erhöhen des Datenschutzes bezüglich der Trainingsdaten, Anomalieerkennung oder Objekterkennung.
Mein Thema umfasst das Untersuchen der Rekonstruktionseigenschaften bei Autoencodern.
Werden Autoencoder auf eine bestimmte Weise trainiert, werden sie zu Assoziativspeichern. Sie bilden dann attraktive Fixpunkte unter den Trainingsdaten aus, zu denen bei iterativer Anwendung des Modells alle Daten konvergieren, die sich im entsprechenden Anziehungsbereich befinden.
Ziel ist es, Muster im Konvergenzverhalten bei der Eingabe neuer Daten zu erforschen und die Erkenntnisse für eine konkrete Anwendung zu nutzen.
Meine Herangehensweise ist experimentell anstatt theoretisch.
Ein typischer Arbeitstag besteht deshalb für mich darin, geeignete Experimente zu designen, in Python zu implementieren, durchzuführen und nach Abschluss zu protokollieren.
Oft recherchiere ich auch nach passender Literatur.
Zu einem typischen Arbeitstag gehört für mich auch Sport.
Sie verlassen die offizielle Website der Hochschule Trier
