Login
Register
Hilfe
Documentation
Abschlussarbeiten, Bachelor- und Masterarbeiten
Sie suchen gerade eine Diplomarbeit, ein Thema für eine Bachelor oder Master Thesis? Dann sind Sie hier richtig. In diesem Bereich sind Abschlussarbeiten aus allen Fakultäten zu finden.
Beachten Sie auch den entsprechenden Stichwortindex.
Wenn Sie selbst eine Diplomarbeit ausschreiben wollen, lesen Sie bitte vorher unbedingt das 'Best Practice Manual Stellenanzeigen'.
07.05.2024
Master Thesis: Visualization & Explainability of ML based swallow event detection and classification
Master’s thesis in the area of Medical Data Analysis, Visualization & Explainability at Research Group MITI, University Hospital rechts der Isar, TUM
read more
Kontakt: alexander.geiger@tum.de
06.05.2024
Masterarbeit: Gesundheit und Klima in urbanen Räumen
Urbane Räume bieten viele Möglichkeiten für formellen Sport, informelle Bewegung oder auch Entspannung. Gleichzeitig sehen sich diese Räume angesichts einer zunehmenden Flächenknappheit und –konkurrenz, ökologischen Notwendigkeiten und der Relevanz für die Gesundheit neuen Herausforderungen ausgesetzt. Bislang ist jedoch wenig über bisherige Forschung in der Schnittmenge von „Sport, Bewegung und Gesundheit“, „Ökologie, Klimaschutz und Klimawandel“ und „Urbane Räume und Städte“ bekannt. Eine mögliche Masterarbeit (oder ambitionierte Bachelorarbeit) soll daher auf Basis einer systematischen Literaturrecherche eine Übersichtsarbeit hierzu anfertigen. Bei entsprechender Qualität sollen die Ergebnisse im Anschluss als „Scoping Review“ oder „Conceptual Framework“ veröffentlicht werden. Daher eignet sich diese Abschlussarbeit insbesondere für Studierende, die sich eine Karriere in der Wissenschaft vorstellen können.
Der Beginn kann ab sofort erfolgen, die Abgabe der Arbeit muss bis spätestens Ende März 2025 erfolgen. Bei Interesse an diesem Thema oder weiterführenden Fragen melden Sie sich bitte bei Dr. Jan Ellinger.
read more
Kontakt: jan.ellinger@tum.de
03.05.2024
Master student in the development of medical sensors (f/m/d)
Kontakt: philipp.koehler@tum.de
16.04.2024
Scientific machine learning through physics-informed neural networks
We are seeking a highly motivated student to develop a novel framework for Physics-Informed Neural Networks (PINNs) that overcomes current limitations.
Basics of Physics-Informed Neural Networks (PINNs):
PINNs are a powerful machine learning technique that combines the strengths of neural networks and physics. Here's a breakdown:
Neural Networks: These are algorithms inspired by the human brain, capable of learning complex patterns from data.
Physics: Scientific principles governing the behavior of matter and energy.
PINNs leverage the data-driven learning power of neural networks while incorporating physical laws through governing equations (often described by Partial Differential Equations - PDEs). This allows PINNs to:
Learn from data: Analyze existing observations or measurements of a physical system.
Enforce physical laws: Ensure the learned model adheres to established physical principles.
Handle complex systems: Model intricate physical phenomena that might be difficult to solve with traditional methods.
Project Focus:
This project builds upon the foundation of PINNs and aims to develop PINNs model that can model 2 Dynamic Systems:
Spring Mass Damper System
Inverted pendulum
Furthermore, the models should be:
Independent of initial conditions: Produces accurate results regardless of the system's starting state.
Partially independent of external forces: While the type of force needs to be known, the model should be able to infer the force equation from data.
Independent of natural frequency: Applicable to various systems with different inherent oscillation frequencies.
Generalizable: Analyze the effectiveness of incorporating advanced neural network architectures like Recurrent Neural Networks (RNNs) to increase generalizability.
This thesis will, therefore, focus on the combination of data-driven ML model and Physics behind the dynamic systems to gain the benefits of both worlds. It would be part of the project to evaluate if PINNs trained on simulated data can be extended to real systems. Furthermore, it would be part of the project to evaluate the impact of known physical model, unknown physical model, known inputs to the real physical system, unknown inputs to the real physical system etc. and their pros and cons.
Project Benefits:
Opportunity to work on cutting-edge research at the intersection of physics and machine learning.
Hands-on experience in developing and implementing advanced neural network models.
Develop strong technical skills in machine learning and scientific computing.
read more
Kontakt: tanmay.goyal@tum.de
23.03.2024
Licca liber
Masterarbeit: Der bayerische Lech – Erarbeitung von Grundlagen für die Flussrenaturierung
Der Bayerische Lech zwischen Füssen und Augsburg wurde ab 1910 reguliert und seit 1950 energiewirt-schaftlich ausgebaut. Damit wurde die als Biotop-verbundachse bedeutendste nordalpine Wildfluss-landschaft, ursprünglich vergleichbar mit dem Tagliamento, in eine Kette von 23 Stauseen umgebaut. Nach 70 Jahren sind die Stauräume mit Sedimenten aufgefüllt und die energiewirtschaftlichen Konzessionen laufen in einigen Jahren aus, sodass ein Flussrückbau möglich wäre. Hierfür werden entsprechende Leitbilder gesucht.
read more
Kontakt: Thomas Wagner, wagner@tum.de
12.03.2024
Spatiotemporal Interpolation and Fusion of High-Resolution Satellite Data for Urban Area
Kontakt: junwei.li@tum.de
11.03.2024
Process design and parameter optimisation of novel plastics-to-plastic chemical recycling technology for upcoming start up
Kontakt: alexandre.kremer@radicaldot.com andreas.wagner@radicaldot.com
11.03.2024
Fundamental research and optimisation of novel plastics-to-plastic chemical recycling technology for upcoming start up
Kontakt: alexandre.kremer@radicaldot.com andreas.wagner@radicaldot.com
31.12.2023
Master thesis in immunology
In this Master thesis the candidate will have the opportunity to explore the destiny of passenger immune cells after solid organ transplantation in humans. Where do T cell go after they have moved their host within the transplanted organ? Do they stay or die in the transplanted organ or can they exit and distribute their immunological memory to other body locations within the new host? How do this passenger immune cells contribute to organ rejection? If you are interested in exploring novel concepts of transplantation tolerance with human tissues, this master thesis will be exciting for you.
read more
Kontakt: Christina.zielinski@leibniz-hki.de
14.11.2023
Bachelors's Thesis - Imaging Positronium by Coincident Gamma Detection
Kontakt: daniel.russell@frm2.tum.de
Drucken
RSS 
