anticache

Interdisziplinäres Projekt (IN)/Forschungspraxis (EI) L-shaped Partial Least Squares Regression


Der Lehrstuhl für Datenverarbeitung an der Fakultät für Elektrotechnik und Informationstechnik der Technischen Universität München bietet ab sofort ein Interdisziplinäres Projekt oder eine Forschungspraxis zur Analyse und Vorhersage von experimentellen Daten (z.B. Videoqualität, Recommender Systeme, Product-Liking) basierend auf Deskriptoren der Zeilen (Objects) und Spalten (Subjects) der Antwortmatrix. Es soll z.B. untersucht werden, ob man ein Modell zur Vorhersage der empfunden Videoqualität verbessern kann, indem man Hintergrundinformation über die Probanden (z.B. Sehgewohnheiten, Nutzung von Streaming-Diensten) einfließen lässt.

Hierzu soll der sog. L-shaped PLS Algorithmus in Sci-Kit als Estimator-Klasse implementiert werden. Erzielte Ergebnisse auf den Datensätzen sollen mit Methoden verglichen werden, welche die Zusatzinformation über die Probanden nicht ausnutzen.

Das sollten Sie mitbringen:

• Gute Kenntnisse in Python (insbesondere Scikit-Learn)

• Erfahrungen in Datenanalyse, Maschinellem Lernen und Statistik

• Grundkenntnisse in UNIX/Linux

 

 

Interessenten melden sich bitte per E-Mail:

Philipp Paukner, M.Sc.

Technische Universität München

Lehrstuhl für Datenverarbeitung

Arcisstraße 21,

80333 München

Tel. +49 (0)89 289 23618

p.paukner@tum.de