Markus Krömker

Seit 04.2023 als Data Scientist tätig. Hauptaufgaben: Entwicklung von KI-Modellen und Java- & Python-Services. Entwickelt wird mit End-to-End Verantwortung (DevOps).

Hiwi in den Projekten "Applied Machine Learning Academy" (AMA) (https://www.l3s.de/de/projects/ama-applied-machine-learning-academy) und "HAISEM Lab" (http://haisem-lab.de/). Beide Projekte haben die Zielsetzung, mit dem Blick auf Industrie 4.0 Unternehmen Machine Learning theoretisch und praktisch näher zu bringen. Meine Aufgabe war die Erstellung von Powerpoint-Folien mit theoretischen Inhalten und die Erstellung von jupyter notebooks mit praktischen Übungen.

Meine Aufgabe bestand in der Visualierung von Versuchsergebnissen, der Erprobung verschiedener Methoden des un- und überwachten (Maschinellen) Lernens, und der statistischen Analyse von Versuchsergebnissen.

Tätigkeit im Projekt "Informations- und Kommunikationskonzepte für den Krisen- und Katastrophenfall". Zusammen mit dem mir zugeordneten Betreuer bin ich zu Meetings mit den Stakeholdern gefahren und hatte die Aufgabe, die Inhalte der Gespräche zu protokollieren. Die HiWi-Tätigkeit wurde am Software-Engineering Institut der Leibniz Universität Hannover ausgeübt.

Berechnung der Güte von Fehlertoleranten Netzwerken (Graphen). Die Ergebnisse wurden in einem Paper veröffentlicht: Becker M., Krömker M., Szczerbicka H. (2015) Evaluating Heuristic Optimization, Bio-Inspired and Graph-Theoretic Algorithms for the Generation of Fault-Tolerant Graphs with Minimal Costs. (https://link.springer.com/chapter/10.1007/978-3-662-46578-3_123) Fachgebiet: Simulation und Modellierung

Software Engineering, Machine Learning und Data Mining, Digitale Bildverarbeitung

Programmierung und Software Engineering, Algorithmen und Datenstrukturen, Datenbanken, Betriebssysteme