Hendrik Annuth (ann)

Projekt Deep Learning [SS25]

Course categoryHendrik Annuth (ann)

 

Dozent

Prof. Dr. Hendrik Annuth

Projekt Deep Learning

Das Projekt Deep learning ist inhaltlich die anspruchsvollste Projektarbeit Ihres Studiums – abgesehen von der Masterarbeit.

Für die Projektinhalte gibt es generell zwei Möglichkeiten. Ich schlage Ihnen ein Thema vor. Dies können auch Themen in Zusammenarbeit mit Unternehmen sein. Oder Sie schlagen ein Thema für Ihre Gruppe vor.

Inhalte: Das Projekt muss im Kern die Verwendung künstlicher neuronaler Netze als Lösungsansatz für ein Problem beinhalten oder ein bestehendes Verfahren erweitern – wenn eine andere Machine Learning Technik gewählt wird, die sich begründen lässt, ist in Absprache möglich. Die Auseinandersetzung mit den verwendeten Techniken sollte in wesentlichen Teilen Programmierung enthalten.

Generell ist der Freiheitsgrad des Projekts sehr groß, allerdings ist als Ziel und somit als Schwerpunkt des Arbeitsaufwands eine inhaltliche Vertiefung gefordert. Wenn man beispielsweise mit der Bereinigung von 5Mio. Datensätzen seine Zeit verbringt, wäre das kein gutes Projekt. Interdisziplinäre Ideen, z.B. zusammen mit Smart Technologie Studierenden, und Gründungsideen (Startup Bridge) sind generell willkommen.

Insbesondere in Zusammenarbeit mit einem Unternehmen, rücken wirtschaftliche Gesichtspunkte in den Vordergrund. Bei der Projektideenvorstellung würden dann beispielsweise Fragen über die zu erwarteten Gewinne oder Einsparungen Teil der Betrachtung bzw. auch der Bewertung sein. Dieser Fokus bleibt auch in den Folgenden Terminen erhalten.

Die Projekte finden planungsgemäß in 4er Gruppen statt.

Es gibt vier Pflichttermine:

Konzept: Was ist die Kernidee des Projekts. (Mit diesem Termin ist die Prüfungsleistung offiziell angetreten)

Proof of Concept: Erste Bausteine des Projekts werden präsentiert. Dies können, z.B. Ladevorgänge sein, die gebraucht werden. Dies können erste Lösungsversuche sein – gerne auch mit vermeintlich ungeeigneten Verfahren, einfach um eine erste Orientierung zu bekommen. Generell soll in diesem Schritt gezeigt werden, dass man einer Lösung durch Bearbeitung der Hauptproblemstellungen nähergekommen ist. Idealerweise hat man die technische Machbarkeit des Projekts sichergestellt.

Minimal Viable Product: Eine erste funktionierende Lösung für das Problem. Diese darf noch Bugs enthalten und an vielen Stellen dürfen noch Features fehlen. Allerdings sollte das MVP die gewünschte Problemlösung einmal vollständig abbilden.

Prototyp: Die letzte Zeit sollte dafür verwendet werden, dem MVP noch den letzten Feinschliff zu geben, so dass die Lösung leicht verwendbar ist.