+++English below+++
Für alle Studierenden der TUHH, die auf dem neuesten Stand bezüglich der Berufsorientierung bleiben möchten. Wir posten hier aktuelle Neuigkeiten des Career Center und nützliche Zusatzinformationen im Forum. Gerne können Sie auch das Forum zum Austausch nutzen.
For all students of the TUHH who want to stay up to date with regard to career orientation. We post the latest news from the Career Center and useful additional information. You are also welcome to use this group for exchange with other students regarding career topics.
TeilnehmerInnen:
Für alle Studierenden der TUHH, die auf dem neuesten Stand bezüglich der Angebote des Career Centers bleiben möchten.
Bereichseinordnung:
Studiendekanat Bauwesen
Studiendekanat Elektrotechnik, Informatik und Mathematik
Studiendekanat Gewerblich-Technische Wissenschaften
Studiendekanat Maschinenbau
Studiendekanat Verfahrenstechnik
Studiendekanat Management-Wissenschaften und Technologie
Studienbereich Allgemeine Ingenieurwissenschaften (AIW)
Studienbereich Energie- und Umwelttechnik (EUT)
Technomathematik (TECMA)
Weitere Informationen aus Stud.IP zu dieser Veranstaltung
Heimatinstitut: ZB Servicebereich Lehre u. Studium (SLS)
In Stud.IP angemeldete Teilnehmer: 422
Anzahl der Postings im Stud.IP-Forum: 2
Betreute Abschlussarbeiten
laufende
beendete
2021
Hund, P. (2021). Modellierung eines elektrischen Netzes zur Demonstration des Einflusses von virtueller Trägheit durch umrichterbasierte Energieanlagen.
Hund, P. (2021). Koordinierte Bereitstellung von virtueller Trägheit durch erneuerbare umrichterbasierte Energieanlagen in Verteilnetzen mithilfe von künstlicher Intelligenz.
Möller, P. (2021). Erfassung der Knotenspannung in Niederspannungsnetzen auf Basis von dezentralen Messeinrichtungen mithilfe von Machine learning.
Plant, R. (2021). Estimation of Power System Inertia in an Inverter-Dominated Distribution Grid Using Machine Learning.
2020
Dressel, M. (2020). Modellierung der Zustandsschätzung eines elektrischen Netzes mit Hilfe von Graph neuronalen Netzen.
Schmidt, M. (2020). Vorhersage von zuverlässig bereitstellbarer Regelleistung aus Erneuerbaren Energien mithilfe von neuronalen Netzen.