Untersuchte den Einfluss der Netzwerkstruktur auf netzwerkinspirierte Kernel wie den Neural Tangent Kernel (NTK).
Zeigte durch theoretische Analysen und empirische Studien, dass der RKHS des NNGP ein Teilraum des NTK ist.
Untersuchte die Verbindungen zwischen diesen Kerneln und der Matérn-Familie.
Entwickelte und analysierte die Monte-Carlo-Baum-Suche (MCTS) und deren Variante Maximum Entropy Tree Search (MENTS).
Implementierte eine Hindsight-Strategie und bewertete die Leistung in Spielanwendungen und bei der Bewertung von Finanzoptionen, indem ich die Belohnungsakkumulation verglich.
Entwickelte ein automatisiertes Zuweisungssystem für Begleitpersonen für eine gemeinnützige Organisation, die Menschen mit Behinderungen unterstützt, um eine effiziente und faire Planung zu ermöglichen.
Erstellte ein Retool-Frontend und ein Python-Backend mit Integration von Excel-Datenverarbeitung und Google-Maps-API.
Implementierte einen Optimierungsalgorithmus, der Bestellpriorität, Verfügbarkeit des Personals und Entfernung berücksichtigt, um automatisch Dienstpläne zu erstellen und zu visualisieren, was den manuellen Aufwand und die Stornierungen deutlich reduzierte.
Analysierte und verglich verschiedene Pfadplanungsalgorithmen (Dijkstra, A*, Floyd), um deren Stärken und Schwächen zu bewerten, und setzte sie zur Simulation von Menschenmengen-Trajektorien ein.
Setzte Diffusion Maps zur Dimensionsreduktion auf Datensätzen mit Trajektorien von Menschenmengen ein.
Verwendete einen Variational Autoencoder (VAE), um Fußgängerbewegungsmuster zu erlernen und vorherzusagen.
Setzte ein transformerbasiertes Modell (TSTransformer) ein, um Anomalien im Pumpsystem zu erkennen.
Zeigte auf öffentlichen Datensätzen eine überlegene Leistung im Vergleich zu traditionellen RNNs (z. B. LSTM).
Entwickelte ein Twitter-Gerüchte-Erkennungssystem, um die Wahrscheinlichkeit von Fehlinformationen einzuschätzen.
Führte Data Mining, Labeling und Datenbereinigung durch.
Erstellte Merkmalsrepräsentationen (BoW, TF-IDF, BERT).
Wandte verschiedene Klassifikationsmodelle (SVM, Naïve Bayes, Random Forest, BERT) mit Hyperparameter-Optimierung und Leistungsvergleich an, um zentrale Analyseerkenntnisse zu gewinnen.
Entwickelte Testprozesse und -pläne für Smartphones und Headsets.
Führte Tests durch, analysierte Ergebnisse und dokumentierte Fehler für F&E.
Master-Absolvent im Bereich Data Engineering und Analytics mit praktischer Erfahrung in maschinellem Lernen, Deep Learning, NLP, LLM und Reinforcement Learning.
Begeistert davon, KI in interdisziplinären Bereichen anzuwenden und erfahren in Datenbereinigung, -analyse und Visualisierung.
Entdecken Sie andere Experten mit ähnlichen Qualifikationen und Erfahrungen.
2025 © FRATCH.IO GmbH. All rights reserved.