Logo Institute of Electrical Power and Energy Technology
Institute of Electrical Power and Energy Technology
Logo Institute of Electrical Power and Energy Technology
Institute of Electrical Power and Energy Technology
DE
EN
Search
DE
EN
Search
IEET > Staff > Research Assistants > Finn Nußbaum, M.Sc.

Finn Nußbaum

M.Sc.
Research Assistant

Contact

Finn Nußbaum, M. Sc.
E-6 Elektrische Energietechnik
  • Elektrische Energietechnik
Office Hours
nach Vereinbarung
Harburger Schloßstraße 22a,
21079 Hamburg
Building HS22a, Room 2.017
Phone: +49 40 42878 4092
Logo

Research Project

KoLa
Optimized Load Management and Flexibility Coordination for Electrified Urban Public Transport

KoLa

Optimized Load Management and Flexibility Coordination for Electrified Urban Public Transport

Federal Ministry for Economic Affairs and Climate Action (BMWK); Duration: 2022 to 2026

to the project page

Publications

TUHH Open Research (TORE)

2024

2023

Courses

Stud.IP
link to course in Stud.IP Studip_icon
Maschinelles Lernen II (VL)
Subtitle:
Diese Lehrveranstaltung ist Teil des Moduls: Maschinelles Lernen II, Praktikum Data Science
Semester:
WiSe 23/24
Course type:
Lecture
Course number:
lv2436_w23
Lecturer:
Nihat Ay, Dr. Manfred Eppe, Adwait Datar
Description:
  • Überwachtes statistisches Lernen und Generalisierung  
  • Das Prinzip der empirischen Risikominimierung 
  • Das Gesetz der großen Zahlen und das Glivenko-Cantelli-Theorem
  • Shatter-Koeffizienten, VC-Dimension und Rademacher-Komplexität
  • Das Schnelle-Konvergenz-Theorem von Vapnik und Chervonenkis
  • VC-Dimensionen diskreter neuronaler Netze
  • Das Prinzip der strukturellen Risikominimierung
  • Lernen von Samples als inverses Problem
  • Hilbertraum mit reproduzierendem Kern
  • Moore-Penrose-Inverses
  • Schlecht gestellte inverse Probleme und Regularisierung 
  • Tikhonov-Regularisierung
  • Regularisierte empirische Risikominimierung 
  • Überdeckungszahlen 
  • Das Bias-Variance-Problem 
Performance accreditation:
m1594 - Praktikum Data Science<ul><li>p1544 - Praktikum Data Science: Fachtheoretisch-fachpraktische Arbeit</li></ul><br>m1594-2022 - Maschinelles Lernen II<ul><li>p1544-2022 - Maschinelles Lernen II: Klausur schriftlich</li><li>vl425-2022 - Freiwillige Studienleistung Bonus-Aufgaben: Übungsaufgaben</li></ul>
ECTS credit points:
3
Stud.IP informationen about this course:
Home institute: Institut für Data Science Foundations (E-21)
Registered participants in Stud.IP: 59
Postings: 13
Documents: 31

Supervised Theses

ongoing

2024

  • Ahmed, Taha (2024). Development of an iterative multi-agent coordination framework for congestion prevention in low voltage grids.

  • Busch, Marcel (2024). Entwicklung eines Netzmodells zur szenarienbasierten Untersuchung von Engpässen in heutigen und zukünftigen städtischen Verteilnetzen.

  • Lindner, Joost (2024). Entwicklung einer probabilistischen Lastprognose für die Niederspannungsebene elektrischer Verteilnetze.

  • Ming, Zhao (2024). Conceptual Design for a grid demonstrator for teaching purposes and development of a suitable distribution grid simulation.

  • Wilke, Jan Jakob (2024). Definition leistungsbasierter Netzregeln zur Engpassvermeidung in elektrischen Verteilnetzen.

completed

2023

  • Kock am Brink, Jonas (2023). Entwicklung einer Engpassprognose für elektrische Verteilnetze mittels probabilistischer Verfahren.

TU Hamburg
Institute of Electrical Power and Energy Technology (ieet) E-6
Prof. Dr.-Ing. Christian Becker
Harburger Schloßstraße 36
21079 Hamburg
E-mail : ieet(at)tuhh.de
Phone : +49 40 42878 3213
Fax : +49 40 42878 2382
Links
Map and Directions
Data Privacy
Imprint