Aktuelle Bachelorarbeitsthemen
Lehrstuhl für Wirtschafts- und Sozialstatistik
Bücher
-
Klassifikation von Fake News
Falschinformationen verbreiten sich im Netz oft schneller als Fakten. Ziel der Arbeit ist die Entwicklung und Evaluierung eines Klassifikationsmodells, welches falsche und richtige Nachrichtenmeldungen unterscheiden kann. Hierfür kann beispielsweise der FakeNewsNet Datensatz genutzt werden.
Betreuerin: Ladyna Wittscher
-
Erklärbarkeit neuronaler Netze mit LIME
Warum trifft ein neuronales Netz eine bestimmte Entscheidung? Mit LIME (Local Interpretable Model-Agnostic Explanations) existiert ein Framework, um die Black-Box Vorhersagen von Neuronalen Netzen verständlich zu machen. Die Methode kann z.B. in Verbindung mit einem CNN und dem MNIST Datensatz genutzt werden, um dieses interpretierbar zu machen.
Betreuerin: Ladyna Wittscher
-
Hyperparameter-Tuning für künstliche neuronale Netze: Grid Search, Random Search und Bayessche Optimierung im Vergleich
In der Arbeit wird untersucht, welchen Einfluss zentrale Hyperparameter (z. B. Lernrate, Aktivierungsfunktion, Batch-Größe) auf die Modellleistung haben. An einem konkreten Anwendungsfall werden Grid Search, Random Search und Bayessche Optimierung implementiert und hinsichtlich Güte, Laufzeit und Reproduzierbarkeit verglichen. Das Ziel besteht darin, eine evidenzbasierte Empfehlung zu erarbeiten, welches Verfahren sich unter gegebenen Ressourcen- und Datenbedingungen am besten eignet.
Betreuerin: Josephin Großkopf
Information
Schauen Sie sich gern in beiden Bereichen um. Die vorgeschlagenen Bachelorthemen lassen sich meist zu Masterthemen erweitern sowie einige der vorgeschlagenen Masterthemen zu Bachelorthemen verkürzen. Falls Sie einen eigenen Themenwunsch haben, kann vielleicht auch dieser realisiert werden. Sprechen Sie uns an.
Die Kontaktinformationen der jeweiligen Betreuer finden Sie unter Team.