Fachbereich Mathematik und Naturwissenschaften - Hochschule Darmstadt
  • Data Science

Abschlussarbeiten im Masterstudiengang Data Science


Page last modified on September 17, 2020, at 10:20 AM

Semester Verfasser Erstbetreuer Thema key words
SS2020 Christoph Wies Prof. Dr. Groos Effiziente Implementierung eines anisotropen strukturerhaltenden 3D-Diffusionsfilters für die Analyse von Blutgefäßnetzen in OCT-Angiographiedaten Bildverarbeitung, Diffusionsfiler, Rauschverminderung, Laufzeitoptimierung, Augenheilkunde, medical Data Science Abstract (PDF)
SS2020 Nikolai Spuck Prof. Dr. Jahn Joint modeling and Bayesian bivariate meta-analysis for surrogate endpoint validation in interstitial lung disease Surrogate endpoint evaluation, interstitial lung disease, joint models, longitudinal data, time-to-event data, meta-analysis, Bayesian statistics bootstrap Abstract (PDF)
Poster (PDF)
SS2020 Nathalie Frisch Prof. Dr. Jahn Facilitating the fitting of GAMs to price elasticity data using R Verallgemeinerte Lineare Modelle, Verallgemeinerte Additive Modelle, Glättungsverfahren, Splines, Automatisierung, Modellspezifikationen, Variablenselektion, Concurvity, Variablenrestriktionen Abstract (PDF)
SS2020 Julian Reh Prof. Dr. Thümmel Absatzprognose auf partieller Datenbasis Nowcasting, incomplete data, sales forcasting, artificial neural networks, XGBoost Abstract (PDF)
SS2020 Hasan Kutlu Prof. Dr. Weinmann Fully Automatic Mechanical Scan Range Extension of a Lens-Shifted Structured Light System 3D Scanning, Automation, Image-based Reconstruction, Mesostructure Acquisition, Noise reduction, Principal Component Analysis, Gaussian Mixture Models, Phase Shift Method, Active Triangulation, Temporal Noise Filter, Neighborhood Filter Abstract (PDF)
SS2020 Marcel Grimmer Prof. Dr. Busch Unknown Fingerprint Presentation Attack Detection Using Convolutional Autoencoders - Thesis (PDF)
SS2020 Julian Gimbel Prof. Dr. Hergenröther Anonymization techniques on photos and video streams - -
WS2019/2020 Julian Kurt Breitkopf Prof. Dr. Schestag Automatisierte Datenintegration zur Unterstützung von Kampagnen-Management mit Hilfe von Advanced Analytics Campaign Management, Social-Media, Web Scraping, SAP Analytics Cloud, SAP HANA, Amazon Web Services Abstract (PDF)
WS2019/2020 Pavel Kravetskiy Prof. Dr. Zisgen Anomalieerkennung und vorausschauende Warnung für z/OS-Systeme anhand von Log-Daten der IBM System Automation Anomaly detection, Log analysis, Feature Engineering, Dis­tance, Bayesian statistics, Long Short-Term Memory Abstract (PDF)
Poster (PDF)
Thesis (PDF)
WS2019/2020 Daniel Becker Prof. Dr. Grieser Konzeption und Evaluierung eines Recommender Systems für eine Frage-Antwort-Plattform Natural Language Processing, Empfehlungssystem, Doc2Vec, Ähnlichkeiten, Stack Overflow, CQA Abstract (PDF)
Poster (PDF)
Thesis (PDF)
WS2019/2020 Jan Patrick Holler Prof. Dr. Döhring Untersuchung von Data Science Prozessen auf GitHub GitHub, Abstract Syntax Tree, Topic Modeling, LDA, IPython, Jupyter Notebook, Natural Language Processing Abstract (PDF)
Poster (PDF)
Thesis (PDF, 2,5 MB)
WS2019/2020 Björn Severitt Prof. Dr. Döhring Fortschrittliche Ähnlichkeitsmetriken in der Gesichtsbiometrie Metriken, Ähnlichkeiten, Gesichtserkennung, Euklidische Distanz, Lernende Metriken, Biometische Systeme Abstract (PDF)
WS2019/2020 Julia Krombach Prof. Dr. Grieser Konzepte zur Stabilisierung von Convolutional Neural Networks gegen Adversarial Images Machine Learning, Concolutional Neural Networks, Adversarial Images, Adversarial Examples Abstract (PDF)
WS2019/2020 Constantin Krins-Monar Prof. Dr. Groos Implementierung eines parallelisierten, kollaborativen Filteralgorithmus für das Empfehlungssystem im REWE Online Shop Empfehlungssysteme, Sparse-Daten, Kollaboratives Filtern, Matrix Faktorisierung, Alternating Least Squares Abstract (PDF)
SS2019 Georg Kuntzsch Prof. Dr. Rapp Emotion Analysis of Utterances Emotion Analysis, Audio analysis, Signal Processing, Gradient Boosting, Natural Language Processing, Sentiment Analysis, Pipeline Abstract (PDF)
SS2019 Jochen Röth Prof. Dr. Döhring Identification of Irregular Conditions in XYZ Sensor Time Series using Machine Learning Anomaly Detection, Time Series, Machine Learning, Neural Networks,Long Short-Term Memory, Bayesian Optimization Abstract (PDF)
Poster (PDF)
SS2019 Kevin Rojczyk Prof. Dr. Zisgen Automatized construction and training of artificial neural networks with reinforcement learning for Machine learning tasks Neural Architecture Search, Künstliche neuronale Netze, Bestärkendes Lernen, Convolutional Neural Network, Proximal Policy Optimization, Meta-Learning, AutoDL 2019 Abstract (PDF)
Poster (PDF)
Thesis (PDF, 2,5 MB)
SS2019 Christophe Krech Prof. Dr. Döhring Erklärbarkeit maschineller Lernverfahren - Feature Engineering mit Black-Box-Modellen Erklärbarkeit, Explainable Machine Learning, Feature Engineering, Gradient Boosting Machines, Shapley Additive Explanations, Logistische Regression, Black-Box-Modelle Abstract (PDF)
Poster (PDF)
Thesis (PDF, 4 MB)
SS2019 Florian Ganss Prof. Dr. Jahn Automatisiertes Aroma-Matching: Nachbildung von Aromen­rezepturen mit multivariaten Regressions­verfahren Aroma-Matching, multivariate Regression, Dimensions­reduktion, Regularisierungs­verfahren, Tobit-Regression Abstract (PDF)
SS2019 Tobias Göbel Prof. Dr. Helm Vergleich von Machine Learning-Algorithmen zur Bestimmung von Frequency Capping-Regeln im Online-Marketing Online marketing, frequency capping, machine learning, Base SAS, SAS Enterprise Miner, data mining process, logistic regression, decision tree, random forest, gradient boosting, artificial neural network Abstract (PDF)
SS2019 Robert Miltenberger Prof. Dr. Jahn Progressionsfreies Über­leben in onkologischen Studien: Verzerrung durch Intervall­zensierung in Ereignis­zeitdaten und Methodiken zur Bias­korrektur in unkontrollierten Studien Biaskorrektur, bayesianische Statistik, approximate bayesian computation, klinische Studien, Ereigniszeitanalyse Abstract (PDF)
Thesis (PDF, 7 MB)
WS2018/19 Jan-Erik Justkowiak Prof. Dr. Kallrath Exact Methods and Heuristic Approaches for Setup Minimization of One-Dimensional Cutting Stock Problems cutting stock problem, paper industry, exact optimization, heuristic algorithms, setup minimization, cutoff reduction, trimloss minimization Abstract (PDF)
Poster (PDF)
Thesis (PDF, 1 MB)
WS2018/19 Dominik Mottl Prof. Dr. Döhring Multi-Label Branchen­klassifikation von Web-Texten Multi-Label Klassifikation, Information Retrieval, Information Extraction, Natural Language Processing, Machine Learning, Latent Dirichlet Allocation, CNN Abstract (PDF)
Poster (PDF)
Thesis (PDF, 5 MB)
WS2018/19 Christian Hofmann Prof. Dr. Becker Prognose von Preisen gewerblicher Immobilien Qualitätsindex, relative Preise, Methoden der Ökonometrie, Random Forest, Capital Value, Quantils­regression, Value at Risk Abstract (PDF)
WS2018/19 Martin Alexander Wilk Prof. Dr. Schestag Topologische Datenanalyse zur Verbesserung von Klassifikations­modellen Topological Data Analysis, Mapper Graph, Machine Learning, Classification Tree, Logistic Regression, TDA Toolchain, Credit Fraud, Loan Default Abstract (PDF)
Poster (PDF)
Thesis (PDF, 6 MB)
WS2018/19 Bernhard Preisler Prof. Dr. Becker Stimmungs­quantifizierung für den Preis von Bitcoin mit Deep Learning Deep Learning, CNN, DNN, Sentimentindex, Text Mining, Twitter, Bitcoin, Animal Spirit Abstract (PDF)

Thesis (PDF, 5 MB)
WS2018/19 Peter Bauer Prof. Dr. Döhler Prognose von Sensordaten mit Methoden der Zeitreihen­analyse Predictive Maintenance, Bearing Monitoring, Time Series Analysis, ARIMA-Model Abstract (PDF)