Parameteroptimierung einer automobilen Kundenfunktion mittels Machine Learning

Masterarbeit

Themen-Schwerpunkt: Embedded Systems and Security
Studiengänge: Elektrotechnik, Informatik, Informationstechnik, Informationswirtschaft, Maschinenbau, Mathematik, Mechatronik, Wirtschaftsinformatik, Wirtschaftsingenieurwesen

Umfeld

Mit steigender Komplexität von Fahrzeugfunktionen, verursacht durch die Megatrends Vernetzung, Elektrifizierung und autonomes Fahren, nehmen auch die Aufwände zur Absicherung dieser Funktionen zu. Das FZI Forschungszentrum Informatik forscht daher an Methoden zur virtuellen Absicherung solcher Fahrzeugfunktionen mittels aufgezeichneter Realfahrten. Ein bestehendes Framework zur parallelisierten Simulation einer Kundenfunktion auf einer großen Datenbasis soll zur Parameteroptimierung eben jener Funktion verwendet werden. Mittels Reinforcement Learning soll in dieser Arbeit ein Neuronales Netz zur automatisierten Parameteroptimierung trainiert werden. In einer anschließenden Evaluation des Ansatzes gegen klassische Optimierungsverfahren sollen Stärken und Schwächen aufgezeigt, sowie die generelle Verwendbarkeit von Machine Learning Techniken für die Parameteroptimierung bewertet werden.

Aufgaben

  • Recherche zum Stand der Technik im Gebiet Reinforcement Learning
  • Recherche zu klassischen Optimierungsverfahren
  • Konfiguration und Implementierung eines Neuronalen Netzes zum Optimieren von Parametern
  • Auswahl und Parametrierung der Ein- und Ausgangssignale des Neuronalen Netzes
  • Evaluation verschiedener Belohnungsstrategien
  • Vergleich klassischer Optimierungsverfahren mit dem Machine Learning Ansatz
  • Wissenschaftliche Aufbereitung und Dokumentation

Wir bieten

  • ein interdisziplinäres Arbeitsumfeld mit Partnern aus Wissenschaft, Wirtschaft und Anwendern
  • eine wirtschafts-/industrienahe Arbeitsumgebung und -organisation
  • eine angenehme Arbeitsatmosphäre

Wir erwarten

  • die Fähigkeit, selbständig komplexe Zusammenhänge zu erarbeiten
  • Spaß an der Arbeit in einem jungen und motivierten Team
  • sehr gute Deutsch- oder Englischkenntnisse
  • Motivation und Engagement
  • Studium mit technischem/wissenschaftlichem Bezug

Ihre Bewerbung

Bitte legen Sie Ihrem Anschreiben folgende Unterlagen bei:

  • aktueller Notenauszug
  • tabellarischer Lebenslauf