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
-
Identifikation von Deepfake-Bildern
Diese Abschlussarbeit untersucht Methoden zur automatischen Erkennung von Deepfake-Bildern, die mithilfe von generativen Modellen wie GANs (Generative Adversarial Networks) oder Foundation-Modellen erstellt wurden. Dazu werden tiefe neuronale Netze wie beispielsweise CNNs (Convolutional Neural Networks) verwendet, um Bilder als echt oder gefälscht zu klassifizieren. Es können sowohl bereits verfügbare und vortrainierte Modelle zur Deepfake-Identifikation (z. B. von Huggingface) verwendet als auch eigene Modelle erstellt werden.
Betreuer: Sandro Kraft -
Prognose von Zeitreihen mit Deep-Learning Modellen
Die präzise Vorhersage von Zeitreihen ist für viele Anwendungsbereiche wie Energie- und Finanzmärkte, Wettervorhersagen oder Absatz- und Nachfrageprognosen von zentraler Bedeutung. Im Rahmen dieser Arbeit wird der Einsatz von Deep Learning Modellen wie LSTMs (Long Short-Term Memory Models), RNNs (Recurrent Neural Networks) oder CNNs (Convolutional Neural Networks) für Zeitreihen zur Prognose von Zeitreihen untersucht. Der Schwerpunkt liegt dabei auf der Analyse der Vorhersagegenauigkeit und der Beschreibung der jeweiligen Modellarchitektur, insbesondere im Vergleich zu klassischen statistischen Verfahren.
Betreuer: Sandro Kraft
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.