Logo Institut für Elektrische Energietechnik
Institut für Elektrische Energietechnik
Logo Institut für Elektrische Energietechnik
Institut für Elektrische Energietechnik
DE
EN
Suche
DE
EN
Suche
IEET > Personal > Wissenschaftliche Mitarbeitende > Finn Nußbaum, M.Sc.

Finn Nußbaum

M.Sc.
Wissenschaftlicher Mitarbeiter

Kontakt

Finn Nußbaum, M. Sc.
E-6 Elektrische Energietechnik
  • Elektrische Energietechnik
Sprechzeiten
nach Vereinbarung
Harburger Schloßstraße 22a,
21079 Hamburg
Gebäude Harburger Schloßstraße 22a, Raum 2.017
Tel: +49 40 42878 4092
Logo

Forschungsprojekt

KoLa
Koordinierungsfunktion des Verteilnetzes und Lastmanagement für den elektrifizierten Personenverkehr

KoLa

Koordinierungsfunktion des Verteilnetzes und Lastmanagement für den elektrifizierten Personenverkehr

Bundesministerium für Wirtschaft und Klimaschutz (BMWK); Laufzeit: 2022 bis 2026

zur Projektseite

Publikationen

TUHH Open Research (TORE)

2024

2023

Lehrveranstaltungen

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

Betreute Abschlussarbeiten

laufende

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.

beendete

2023

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

TU Hamburg
Institut für Elektrische Energietechnik (ieet) E-6
Prof. Dr.-Ing. Christian Becker
Harburger Schloßstraße 36
21079 Hamburg
E-Mail : ieet(at)tuhh.de
Tel : +49 40 42878 3213
Fax : +49 40 42878 2382
Weiterführende Links
Lageplan und Anfahrt
Datenschutz
Impressum