Aktuelle Masterarbeitsthemen

Themen für Abschlussarbeiten

• Generalisierbarkeit und Robustheit im Reinforcement Learning

  Untersucht wird, in welchem Umfang von Reinforcement-Learning-Agenten gelerntes Verhalten auf leicht veränderte Aufgaben/Umgebungen übertragen werden können. Hierzu werden verschiedene Netzwerkarchitekturen und Trainingsstrategien (u. a. Regularisierung, Domain Randomization, Curriculum Learning) hinsichtlich ihrer Robustheit und Stabilität verglichen. Die Bewertung erfolgt über standardisierte Benchmarks und systematische Störtests.
  
  Betreuerin: Josephin Großkopf

• Stochastische Prozesse zur Kapazitätsplanung digitaler Infrastrukturen

  Serverstrukturen und andere digitale Dienste müssen auf schwankende Nutzerzahlen reagieren. Ziel der Arbeit ist die Modellierung von Ankunfts- und Bearbeitungsprozessen mithilfe stetiger stochastischer Prozesse und die Bewertung verschiedener Kapazitätsstrategien. 

  Das Thema bietet Spielraum für unterschiedliche Schwerpunktsetzungen – von methodisch-mathematischen Fragestellungen bis hin zu anwendungs- und simulationsorientierten Untersuchungen.
  
  Betreuer: David Köhler

• Nicht-stationäre Multi-Armed-Bandits für adaptive Empfehlungssysteme

  Kundenpräferenzen ändern sich im Zeitverlauf und stellen klassische Lernalgorithmen vor Herausforderungen. Ziel der Arbeit ist die Untersuchung nicht-stationärer Multi-Armed-Bandit-Verfahren zur dynamischen Anpassung von Produktempfehlungen.

  Das Thema bietet Spielraum für unterschiedliche Schwerpunktsetzungen – von methodisch-mathematischen Fragestellungen bis hin zu anwendungs- und simulationsorientierten Untersuchungen.
  
  Betreuer: David Köhler