Bei dieser Arbeit handelt es sich um die automatisierte Diagnose von Krankheiten mit modernen Machine Learning-Verfahren. Die Arbeit befasst sich konkret mit Fehlklassifikationen bei der Klassifizierung von CT-Scans durch die Erweiterung von PrepNet, einer DNN-Architektur, die die datenbankübergreifende Varianz von CT-Scans von COVID-19-Patienten minimiert. (PDF 14,5 MB)

Diese Arbeit behandelt das manuelle Ticket-Routing innerhalb einer grossen Organisation. Um zentrale Supporteinheiten bei der Ticketvergabe zu unterstützen, wurden statistische Modelle und neuronale Netze anhand aktueller historischer Supportfälle einer mittelständischen, international tätigen Privatbank trainiert. (PDF 3,9 MB)

Diese Arbeit untersucht den Bereich der digitalen Objekterkennung, um Computern ein tieferes Verständnis einer Szene zu ermöglichen. Die erarbeiteten Ansätze sind in der Lage, viele gängige Unzulänglichkeiten traditioneller Objekterkennungsansätze zu lösen. (PDF 13,2 MB)

• Wissentschaftliche Publikation an der AVHRC 2020
• Dr. Waldemar Jucker Preis 2020
• Bestnote

Diese Arbeit ist ein Beitrag zur Flatland Challenge, einem Wettbewerb der Schweizerischen Bundesbahnen und der Crowdsourcing-Plattform AICrowd. Durch Technologien des maschinellen Lernens wie Reinforcement Learning will man neue Wege gehen, um mehr Züge ins Netz zu bringen. (PDF 3,2 MB)

• Wissenschaftliche Publikation an der SDS 2020

Diese Arbeit untersucht die Eignung von Recurrent Neural Networks, insbesondere Long Short Term Memory Networks und deren Kombination mit Convolutional Neural Networks (CNN's), um das Problemfeld der Sprechererkennung zu untersuchen. (PDF 3,0 MB)

• Bestnote