Masterand (m/w/d) Informatik

Du teilst unsere Leidenschaft für Innovationen und Technologien und willst dich den Herausforderungen der Zukunft stellen? Dann komm zu FERCHAU: als ambitionierte:r Kolleg:in, der:die wie wir Technologien auf die nächste Stufe bringen möchte. Wir realisieren spannende Projekte für namhafte OEMs und Zulieferer der Automobilindustrie und übernehmen Verantwortung für komplexe Entwicklungsprojekte. Als Studierende:r unterstützt du deine Kolleg:innen mit aktuellem Hochschulwissen und bringst dich mit deinem Know-how ein.

Thema: Einfluss von Catastrophic Forgetting beim Anwenden von Reinforcement Learning, insbesondere DDPG und entsprechende Gegenmaßnahmen

Das Ziel dieser Masterarbeit ist es, den Einfluss von Catastrophic Forgetting auf Reinforcement Learning Algorithmen, insbesondere Deep Deterministic Policy Gradient (DDPG), zu untersuchen und entsprechende Gegenmaßnahmen zu entwickeln und zu evaluieren. Dies soll durch Experimente in einer realitätsnahen Umgebung und theoretische Analysen erreicht werden.

Beschreibung: Catastrophic Forgetting ist ein bekanntes Problem in neuronalen Netzen, bei dem das Modell dazu neigt, frühere Informationen zu vergessen, wenn es auf neue Daten trainiert wird. Dies stellt eine besondere Herausforderung für Reinforcement Learning (RL) dar, da kontinuierliches Lernen in dynamischen Umgebungen erforderlich ist. Diese Arbeit soll untersuchen, wie sich Catastrophic Forgetting auf den DDPG-Algorithmus auswirkt und welche Gegenmaßnahmen ergriffen werden können, um die Stabilität und Leistung des Modells zu verbessern.

Mögliche Fragestellungen:

• Inwiefern ist der bisher gewählte Ansatz mittels DDPG der korrekte?
• Lässt sich Catastrophic Forgetting bei diesem Modell zeigen?
• Was könnten mögliche Gegenansätze sein?
• Welches ist der beste Ansatz hierbei?

Bereits vorhanden:

• Vollständige Trainingsumgebung direkt an der Hardware
• Funktionierendes DDPG basiertes Modell

Todos:

• Implementierung von alternativen Trainingsmustern
• Evaluation der neuen Trainingsalternativen
• Aufzeigen von weiterem Verbesserungspotential

Das erwartet dich bei uns

• Echter Teamspirit und Leidenschaft für das, was wir tun
• Bei uns kannst du eigene Ideen einbringen und aktiv mitgestalten
• Networking und einfach Spaß haben bei Teamevents, Weihnachtsfeiern oder Sommerfesten
• Kostenlose Getränke (Tee, Kaffee, Wasser)

Das bringst du mit

• Studium der Informatik, Mathematik oder verwandter Bereiche (Master)
• Kenntnisse in Reinforcement Learning und neuronalen Netzen
• Erfahrung mit Deep Deterministic Policy Gradient (DDPG) Algorithmus
• Programmierkenntnisse in Python, TensorFlow oder PyTorch
• Fähigkeit zur Durchführung theoretischer Analysen und praktischer Experimente
• Kenntnisse im Umgang mit Hardware-basierten Trainingsumgebungen

Unser Team lebt von Vielfalt, von Expert:innen, die ihre unterschiedlichen Stärken für die gemeinsamen Ziele einbringen möchten. Bewirb dich ausschließlich über das eigene Firmenportal mit nur wenigen Klicks unter der Kennziffer FE51-00126-KAUTO bei Frau Martina Schlesok. Das nächste Level wartet auf dich! Bitte beachte, dass Bewerbungen per Mail nicht berücksichtigt werden können.