Aktuelle Bachelorarbeitsthemen

Themen für Abschlussarbeiten

• 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

• Multi-Armed-Bandit-Verfahren zur Portfolioallokation – Möglichkeiten und Herausforderungen bei Kapitalmarktrenditen

  Ziel der Arbeit ist zunächst die Einarbeitung in Multi-Armed-Bandit-Probleme sowie die Untersuchung grundlegender Algorithmen zur Lösung dieser. Anschließend soll analysiert werden, inwiefern diese Verfahren auf Fragestellungen der Portfolioallokation übertragen werden können und welche Besonderheiten reale Kapitalmarktrenditen – beispielsweise Heavy Tails – für die praktische Anwendung mit sich bringen.

  Eine simulationsbasierte Analyse (z. B. in python) ist möglich.
  Vorwissen in Stochastik ist hilfreich, aber nicht notwendig.
  
  Betreuer: David Köhler

• Warteschlangenmodelle in diskreter Zeit: Analyse und Simulation betriebswirtschaftlicher Entscheidungsprobleme

  Ziel der Arbeit ist die Einarbeitung in Warteschlangenmodelle (z. B. im Kundenservice oder der Logistik) in diskreter Zeit sowie die Untersuchung ihres Verhaltens anhand ausgewählter betriebswirtschaftlicher Anwendungsszenarien. Mithilfe von Simulationen sollen Leistungskennzahlen wie Wartezeiten, Auslastungen und Systemstabilität analysiert und Handlungsempfehlungen abgeleitet werden.

  Eine simulationsbasierte Analyse (z. B. in python) ist möglich.
  Vorwissen in Stochastik ist hilfreich, aber nicht notwendig.
  
  Betreuer: David Köhler