teaching

summerschools

• Towards Energy-Efficient Model Application @ Bifold/Weizenbaum Summerschool for Artificial Intelligence and ecological Sustainability 2023
• FastInference – Applying Large Models on Small Devices @ SFB 876 Summerschool 2020 [slides], [video]
• Deep Learning for small devices and FPGAs @ 4th International Summerschool for Big Data and Machine Learning 2018 [slides]
• Introduction to Deep Learning @ SFB 876 Summerschool 2017 [slides]
• Deep Learning on FPGAs @ SFB 876 Summerschool 2017 [slides]

regular teaching

• SS 2023: TinyML - Machine Learning and Small Devices
• WS 18/19: Übung Maschinelles Lernen
• SS 2018: Übung Wissensentdeckung in Datenbanken
• WS 17/18: Deep Learning on FPGAs
• SS 2017: Übung Wissensentdeckung in Datenbanke
• WS 16/17: Deep Learning on FPGAs
• SS 2016: Übung Mathematik für Informatiker II

supervised thesis

• Ensembles für Quantification durch Konkatenieren von Quantifier-Modellen, Merle Janssen (BA, Second Supervisor)
• Transformers for Quantized Time Series Forecasting, Dhanunjaya Elluri Thimmaraju (MA, Second Supervisor)
• Forward-Forward Algorithms for Self-Supervised Learning, Fadi Zoghlami (BA, Second Supervisor)
• Vergleich der Implementierung von Zufallswäldern mit Hilfe von tensorbasierten Hardwarebeschnleunigern, Tobias Lotz (BA, Supervisor)
• Vergleich einer einheitlichen Implementierung von QuickScorer und RapidScorer mit OpenMP, Simon Koschel (BA, Supervisor)
• Fehlererkennung durch Unsicherheitsschätzung mit Tiefen Neuronalen Netzen in Industrie 4.0, Lucas Weisse (MA, Supervisor)
• Anwendung von Ensemble-Modellen unter Ressourcenbeschränkungen: Ein Framework für Ensemble Pruning Verfahren, Henri Petuker (BA, Supervisor)
• Deep Submodular Autoencoder für Datenzusammenfassung, Minsu So (BA, Supervisor)
• Unüberwachte Ausreißererkennung mit Hilfe von Submodularen Funktionen, Philipp-Jan Honysz (MA, Supervisor)
• Optimierung von logistischer Regression auf FPGAs, Moritz Sliwinski (BA, Supervisor)
• Umsetzung einer High-Performance {FPGA}-Schnittstelle für maschinelles Lernen, Fabian Dillkötter (BA, Supervisor)
• Parameterschätzung mit Gütegarantie durch Bandit Models für die Regelung im Industrie 4.0 Kontext, Pierre Haritz (BA, Supervisor)
• Einsatz einer End-to-End Lösung für die Relevanzbewertung von Fragen im Question-Community-Answering, Maurice Freund (BA, Supervisor)
• DeepRacin auf FPGAs – Ein Framework zur Inferenz von DeepLearning Modellen auf FPGAs, Andreas Buehner (BA, Supervisor)
• Evolution Strategies als Trainingsmethode für neuronale Netze, Jan Kemming (BA, Supervisor)
• Datenzusammenfassungen auf Datenströmen, Mike Schmidt (BA, Supervisor)