Scientific Computing II

Prof. Dr.-Ing. Jörn Ostermann

Organisatorisches

Bei Scientific Computing II handelt es sich um eine Haus-/Studienarbeit. Bei Interesse an einem der Themen, welche wir anbieten, melden Sie sich bitte direkt beim entsprechenden Betreuer.

Gegenstand des Moduls

In Scientific Computing II werden die Inhalte aus Scientific Computing I vertieft. Zu diesem Zweck müssen Studierende selbstständig zu einer passenden Problemstellung recherchieren, eine Lösung des Problems in MATLAB oder Python umsetzen (näheres steht in den Aushängen zu den einzelnen Themen weiter unten bzw. ist in Rücksprache mit dem Betreuer der Arbeit zu klären) und anschließend in einer Hausarbeit über die Ergebnisse der Recherche und der Umsetzung berichten.

Voraussetzungen

Scientific Computing I

Themen

Untenstehend sind alle aktuellen Hausarbeiten ausgeschrieben. Auch Studienarbeiten aus unserem generellen Angebot für Studienarbeiten können als Studienarbeit für Scientific Computing 2 bearbeitet werden, sofern sie einen hinreichend großen Anteil an Programmierarbeit in MATLAB oder Python enthalten. Bitte sprechen Sie dafür den entsprechenden Betreuer an.

Processing of Chromosome Conformance Capture (3C/Hi-C) Data
keywords: bioinformatics, 3c, hic, data compression, 3d reconstruction, resolution enhancement. The structure of genomes in three-dimensional (3D) space is crucial for DNA replication, genome stability, and tissue differentiation. It helps us to (more...)
Kontakt: Yeremia G. Adhisantoso
Erstellung von Demonstrationsbeispielen für Statistische Methoden der Nachrichtentechnik
Die Vorlesung Statistische Methoden der Nachrichtentechnik beschäftigt sich mit Zufallsprozessen zur stochastischen Beschreibung von Nachrichtensignalen, linearen Systemen bei stochastischer Anregung, statistischen Methoden zur Signalerkennung (Detektion) (more...)
Kontakt: Fabian Hartmann
Exploration der Visualisierung von Ergebnissen Backprojektion-Algorithmus für 3D Gitter
Für die Aufklärung aus der Luft werden Radarsensoren verwandt um wetterunabhängig Informationen über Strukturen und Objekte am Boden aufzunehmen. Durch die Methode des Radars mit synthetischer Apertur ist es möglich, aus den Daten neben Bildern (more...)
Kontakt: Fabian Hartmann
Effiziente Neuronale Netze
keywords: Pruning, Effizienz, NAS, Neuronale Netze, Transformer Model, Feature Selection Die Effizienzverbesserung von neuronalen Netzen spielt eine zentrale Rolle für ihre praktische Anwendbarkeit. Pruning, das gezielte Entfernen von Neuronen oder (more...)
Kontakt: Patrick Glandorf
Analyse des frühkindlichen Spracherwerbes mittels Machine Learning
Der menschliche Spracherwerb ist ein komplexer und umfangreicher Vorgang, der sich über mehrere Jahre in der Entwicklung eines Kindes erstreckt. Hierbei können sich Störungen in der Sprachproduktion entwickeln. Diese Störung der Entwicklung kann großen (more...)
Kontakt: Lars Rumberg
Erstellung von Demonstrationsbeispielen für Statistische Methoden der Nachrichtentechnik
Die Vorlesung Statistische Methoden der Nachrichtentechnik beschäftigt sich mit Zufallsprozessen zur stochastischen Beschreibung von Nachrichtensignalen, linearen Systemen bei stochastischer Anregung, statistischen Methoden zur Signalerkennung (Detektion) (more...)
Kontakt: Fabian Hartmann
Processing of Chromosome Conformance Capture (3C/Hi-C) Data
keywords: bioinformatics, 3c, hic, data compression, 3d reconstruction, resolution enhancement. The structure of genomes in three-dimensional (3D) space is crucial for DNA replication, genome stability, and tissue differentiation. It helps us to (more...)
Kontakt: Yeremia G. Adhisantoso