Time: t.b.d.
Location: t.b.d.
Quantity: 0V/0Ü/4P SWS
Language: German (English on request)
Modules: INF-B-510, INF-B-520, INF-B-530, INF-B-540, IST-05-KP

Hintergrund

Die Prognose von Zeitreihendaten ist seit jeher ein wichtiges Forschungsgebiet mit vielen praktischen Anwendungsmöglichkeiten. Seit geraumer Zeit werden auch Künstliche Neuronale Netze (KNN) für die Prognose von Zeitreihendaten eingesetzt. Diese sind allerdings sehr komplex und bringen einen sehr aufwändigen Trainingsprozess mit sich. Dem gegenüber stehen klassische Prognoseansätze wie ARIMA und Exponentielles Glätten, welche allgemeingültige Zeitreiheneigenschaften, wie z.B. Trend und Saison, für die Prognose nutzen und erheblich leichter zu interpretieren.

 

Aufgabenstellung

Die Zielstellung des Praktikums wird die Implementation bereits existierender Ansätze zur Zeitreihenprognose mit Künstlichen Neuronalen Netzen sein. Darüber hinaus sollen auch eigene Prognoselösungen auf Basis von KNNs entwickelt werden. Das dabei erworbene Verständnis der Arbeitsweise von KNNs soll dann genutzt werden, um die entstandenen Prognosemodelle zu interpretieren und die Entstehung der Prognosen nachzuvollziehen.
 

 

Organisation

  • Die Anmeldung zum Forschungspraktikum erfolgt per E-Mail an Claudio Hartmann oder Martin Hahmann.
  • Die Arbeit im Praktikum wird in Gruppen stattfinden.
  • Den Forschungspraktikumsschein erhalten entweder alle Gruppenmitglieder oder niemand, es sei denn, ein Gruppenmitglied scheidet vorzeitig aus dem Praktikum aus.