Idee: Im Zuge dieser Thesis soll untersucht werden, welche KI-Methoden sich zur Anomaliedetektion auf Energiedaten eigenen. Hierbei sollen unterschiedliche UseCases und Anomalien betrachtet werden. Data Science auf Energiedaten ist ein stark wachsender Forschungsbereich, daher sollen in dieser Thesis verschiedene Data Science Methoden zum Einsatz kommen. Das Ziel ist es neuartige UseCases anhand von realen Energiedaten mittels Data Science Methodiken zu untersuchen.
Vorkenntnisse: Praktische Programmierkentnisse idealerweise in Python oder C#, Kenntnisse in klassichen Machine Learning und Deep Learning Frameworks wie Pytorch, Keras, Tensorflow, idealerweise Grundwissen über Energiedaten und Anomaliedetektion
Studiengänge: Data Science, (Energie-)Informatik, Wirtschaftsinformatik, Wirtschaftsingeneurwesen, Betriebswirtschaftslehre, (Energie-)Informatik
Thesis: Masterthesis