Dr. Tom Ganz

Ph.D. Stelle mit folgenden Schwerpunkten: - Erklärbarkeit in Graph Neuronalen Netzen - Deep Learning auf Quellcode - Erkennung von sicherheitsrelevanten schwachstellen mit Deep Learning - Identifizierung von Backdoors mit Deep Learning - Statische und Dynamische Code Analyse

Stellen von Vorlesungen, Übungsblättern, Laboraufgaben und Klausuren im Bereich Compilerbau und Programmoptimierung.

Verfassen einer Masterarbeit über die Anwendung von Epsilon Differential Privacy in Federated Machine Learning. Bewertung verschiedener Privacy-Parameter mit Hilfe von Membership- und Attributinferenz-Angriffen

Studentenstelle in der Abteilung Datenmanagement/Analysis. Zu meinen Aufgaben gehörten: - Verwaltung von Kubernetes-Clustern in der Google Cloud - Bewertung der Netzwerksicherheit - Java Microservices (Spring) - Abrufen von Daten aus heterogenen Quellen mit ELK - Implementierung von Dashboards mit Grafana

In dieser Praktikantenstelle habe ich an den folgenden Projekten gearbeitet: - Gestenerkennung mit Bosch XDK Mikrocontroller und LSTM-Netzwerken - Erkennung von Autos anhand von aufgenommenen Verkehrsgeräuschen auf Raspberry PIs und Microphone-Arrays - Verschiedene Systemadministrationsaufgaben - Big-Data-Verwaltung mit Hadoop, Kafka und Streamsets

Studentische Softwareentwicklung bei der ich an der Entwicklung von LDAP-zentrierten Benutzerverwaltungssystemen beteiligt war

Vollzeit Full-Stack-Entwickler, teilweise begleitend zu meinem Dualen Studium mit folgenden Aufgaben: - Datenbankverwaltung mit SQLite, MySQL und PostgreSQL - PHP- und Java-Backend-Entwicklung - Typescript/Javascript Front-End-Entwicklung

Promotion mit dem Thema: Deep Learning for Software Security

Focus on Software Architecture, Software Security and Machine Learning.

Bachelor-Thesis: Modellierung eines generischen Compilers für die Transpilierung zwischen Schnittstellendefinitionssprachen speziell für verteilte Systeme und schließlich die Bewertung der Unterschiede zwischen GraphQL und REST aus Sicht der Softwarearchitektur.