Offene Masterarbeiten
("Kapazität" bezieht sich auf die Anzahl an Masterarbeiten, die derzeit maximal im betreffenden Arbeitsbereich betreut werden können)
Arbeitsbereich: Clinical Bioinformatics & Machine Learning in Translational Single-Cell Biology (Manfred Claassen)
Kapazität: 3 (insgesamt)
Themenbereich(e): Biomedical Informatics; Machine Learning; Single-Cell Biology; Personalized Medicine
Voraussetzungen: Background in Computer Science, Machine Learning, Bioinformatics, Biology/Medicine (optional)
Kontaktdaten/Links: manfred.claassen@med.uni-tuebingen.de sowie https://imsb.ethz.ch/research/claassen.html und https://www.medizin.uni-tuebingen.de/de/das-klinikum/mitarbeiter/profil/2147
Arbeitsbereich: Database Systems (Torsten Grust)
Kapazität: flexible
Themenbereich(e): Database Systems, Query Languages, Query Compilation and Optimization, Functional Programming
Voraussetzungen: mindestens eine der Vorlesungen "Datenbanksysteme 1", "Datenbanksysteme 2", "Advanced SQL", "Functional Programming"
Kontaktdaten/Links: https://db.inf.uni-tuebingen.de/theses.html
Arbeitsbereich: Algorithms in Bioinformatics (Daniel Huson)
Kapazität: 4
Themenbereich(e): Algorithms, software and applications. In phylogenetics, long-read sequencing and microbiome analysis
Voraussetzungen: Grundlagen der Bioinformatik; Java oder Python
Kontaktdaten/Links: https://ab.inf.uni-tuebingen.de/theses/master-theses/
Arbeitsbereich: Kommunikationsnetze (Michael Menth)
Kapazität: 3
Themenbereich(e): Kommunikationsnetze, Energienetze, Protokolldesign, mathematische und simulative Leistungsanalyse, System-Optimierung, Bau von Prototypen
Voraussetzungen: kn.inf.uni-tuebingen.de/teaching/get-a-thesis/
Kontaktdaten/Links: Michael Menth
Arbeitsbereich: Machine Learning in Science (Jakob Macke)
Kapazität: 2
Themenbereich(e): Probabilistic inference tools for scientific applications, Computational neuroscience and neural data analysis
Voraussetzungen: Experience in Python Programming, ML (e.g. Probabilistic Machine Learning), for neuroscience-topics ideally prior experience/lectures in neuroscience and/or analysis of biological data
Kontaktdaten/Links: https://uni-tuebingen.de/en/178236
Arbeitsbereich: Sensory and sensorimotor systems (Li Zhaoping)
Kapazität: 4 + 4 + 2
Themenbereich(e): (1) Computationally motivated visual psychophysics experiments, on e.g., visual illusions, stereo vision; (2) Computational modeling/data analysis of neuroscience topics; (3) Behavioral experiments with data analysis on zebrafish
Voraussetzungen: Skills in matlab/Python
Kontaktdaten/Links: http://www.lizhaoping.org/zhaoping/ProjectsInternships.html
Arbeitsbereich: Medieninformatik/Human-Computer Interaction (Enkelejda Kasneci)
Kapazität: 3
Themenbereich(e): HCI in Learning Environments; Affective computing in educational settings; Eye-gaze based HCI
Voraussetzungen: -
Kontaktdaten/Links: Enkelejda Kasneci
Arbeitsbereich: Data Science and Analytics (Gjergji Kasneci)
Kapazität: 2
Themenbereich(e): Fairness, explainability, bias analysis in ML applications
Voraussetzungen: Statistik-, Mathematik- und Programmierkentnisse
Kontaktdaten/Links: Gjergji Kasneci
Arbeitsbereich: Explainable Machine Learning (Zeynep Akata)
Kapazität: 2
Themenbereich(e): Visual-Textual Entailment with Natural Language Explanations Textual Explanations to Enhance Automatized Vehicle Control
Voraussetzungen: Machine Learning, Computer Vision, Natural Language Processing
Kontaktdaten/Links: Zeynep Akata
Arbeitsbereich: Autonomous Vision (Andreas Geiger)
Kapazität: 2
Themenbereich(e): Computer Vision, Self-Driving, 3D Vision, Material Estimation, Meta-Learning, Self-Supervised Learning, Generative Models
Voraussetzungen: ML, CV, Math, Python, PyTorch
Kontaktdaten/Links: https://uni-tuebingen.de/en/faculties/faculty-of-science/departments/computer-science/lehrstuehle/autonomous-vision/theses/
Arbeitsbereich: Computer Graphics (Hendrik Lensch)
Kapazität: 4
Themenbereich(e): Computer Graphics, Computer Vision, Appearance Acquisition, Computational Photography, Parallel Computing (GPU), Machine Learning
Voraussetzungen: Computer Graphics or Computer Vision, eventually ML
Kontaktdaten/Links: Hendrik Lensch
Arbeitsbereich: Methoden des Maschinellen Lernens (Philipp Hennig)
Kapazität: 4
Themenbereich(e): Development and Benchmarking of Machine Learning Algorithms and Toolkits, including low-level routines; Applications of ML in the Sciences
Voraussetzungen: Lecture “Probabilistic Machine Learning”, Python
Kontaktdaten/Links: https://uni-tuebingen.de/de/158813
Arbeitsbereich: Embedded Systems (Oliver Bringmann)
Kapazität: 5
Themenbereich(e): RISC-V processor architectures, machine learning hardware accelerators, timing and power analysis of embedded software, robustness verification in autonomous driving, embedded security
Voraussetzungen: Topic-specific prerequisites (cf. open thesis descriptions)
Kontaktdaten/Links: https://www.embedded.uni-tuebingen.de/teaching/thesis/open/#list-of-currently-open-thesis-topics
Arbeitsbereich: Programming Languages (Klaus Ostermann)
Kapazität: 3
Themenbereich(e): Programming Languages, Functional Programming, Type Theory and Logic, Programming Tools, Programming Education
Voraussetzungen: "Programming Languages 1" lecture, Scala/Haskell skills
Kontaktdaten/Links: http://ps.informatik.uni-tuebingen.de/teaching/thesis/
Arbeitsbereich: Applied Bioinformatics (Oliver Kohlbacher)
Kapazität: 1
Themenbereich(e): Deep learning for decoy generation in protein identification from mass spectrometry
Voraussetzungen: Knowledge of bioinformatics and of TensorFlow
Kontaktdaten/Links: Tjeerd Dijkstra
Arbeitsbereich: Applied Bioinformatics (Oliver Kohlbacher)
Kapazität: 1
Themenbereich(e): Antimicrobial resistant bacteria; predicting antimicrobial resistance; machine learning; sequence bioinformatics
Voraussetzungen: Some R or Python; some knowledge of machine learning and sequence bioinformatics would be beneficial
Kontaktdaten/Links: Tjeerd Dijkstra, Thomas Hamm
Arbeitsbereich: Applied Bioinformatics (Oliver Kohlbacher)
Kapazität: je 4 pro Themenbereich
Themenbereich(e): (1) Mass spectrometry, nextflow, nf-core, MSstatsTMT, OpenMS; (2) Mass spectrometry, C++, hdf5, mzMLb, OpenMS; (3) Mass spectrometry, C++, OpenMS; (4) Mass spectrometry, C++, peptide identification, OpenMS
Voraussetzungen: -
Kontaktdaten/Links: Timo Sachsenberg
Arbeitsbereich: Selbstorganisation und Optimalität in Neuronalen Netzwerken (Anna Levina)
Kapazität: 1
Themenbereich(e): Complex networks analysis of neuronal data
Voraussetzungen: Programming skills, interest in neuroscience, no fear of simple math
Kontaktdaten/Links: Anna Levina
Arbeitsbereich: Kognitive Systeme (Andreas Zell)
Kapazität: 15
Themenbereich(e): Machine Learning, Neural Networks, Robotics, Robot vision
Voraussetzungen: Mind. 1 Vorlesung bei Prof. Zell bestanden
Kontaktdaten/Links: https://uni-tuebingen.de/fakultaeten/mathematisch-naturwissenschaftliche-fakultaet/fachbereiche/informatik/lehrstuehle/kognitive-systeme/teaching/master-theses/
Arbeitsbereich: Neuronale Informationsverarbeitung (Felix Wichmann)
Kapazität: 2
Themenbereich(e): Spatial vision, lightness & brightness, human vision and deep neural networks, statistics and machine learning in cognitive science
Voraussetzungen: Python or MATLAB, statistics, perception
Kontaktdaten/Links: https://uni-tuebingen.de/fakultaeten/mathematisch-naturwissenschaftliche-fakultaet/fachbereiche/informatik/studium/offene-bachelor-masterarbeiten/offene-masterarbeiten/
Arbeitsbereich: Neural Interfaces and Brain Signal Decoding (Sebastian Nagel)
Kapazität: 4
Themenbereich(e): Interpretability of Gait Features of HSP Patients in Deep Neural Networks
Voraussetzungen: Experience in Matlab / Python
Kontaktdaten/Links: https://www.ti.uni-tuebingen.de/thesis/
Arbeitsbereich: Neural Interfaces and Brain Signal Decoding (Sebastian Nagel)
Kapazität: 4
Themenbereich(e): Implement an autocomplete function for a VEP BCI Speller
Voraussetzungen: Experience in Matlab / Python
Kontaktdaten/Links: https://www.ti.uni-tuebingen.de/thesis/
Arbeitsbereich: Neural Interfaces and Brain Signal Decoding (Sebastian Nagel)
Kapazität: 4
Themenbereich(e): Reduce peripheral noise of a VEP-based Brain-Computer Interface using different colors
Voraussetzungen: Experience in Matlab / Python
Kontaktdaten/Links: https://www.ti.uni-tuebingen.de/thesis/
Arbeitsbereich: Theoretische Sensomotorik/Klinische Bewegungsanalyse
Kapazität: 3
Themenbereich(e): Anwendung von Verfahren des Maschinellen Lernens in der klinischen Bewegungsanalyse
Voraussetzungen: ML-Kenntnisse, Programmiererfahrung
Kontaktdaten/Links: Winfried Ilg; weitere Informationen