In dieser Podcast-Folge von „Code for Thought“ reden Carina Haupt (DLR) und ich mit Host Peter Schmid über Large Language Models im Research Software Engineering: Was können Copilot & Co. heute zuverlässig, wo stoßen sie im Projektalltag an Grenzen, und wie bewerten wir das nüchtern statt hype-getrieben? Ich schildere mein aktuelles Thema - Paper-Code-Matching über Embeddings auf Projektebene - und warum kontextarme Modelle bei echten Repos oft danebengreifen. Carina bringt die Anwendungssicht ein: Wo helfen LLMs Forschenden ohne tiefen Informatik-Background tatsächlich (Routine-Tasks, Tests, kleine Skripte) und wo wird’s heikel (Builds, Requirements, Projektkontext)?
[Mehr]
Während meiner nicht abgeschlossenen Promotion am DLR habe ich ein Graph Neural Network entwickelt und trainiert, das Code-Embeddings zu Repräsentationen ganzer Repositories zusammenfasst und diese mit wissenschaftlichen Publikationen abgleicht. Erste Evaluationen zeigten vielversprechende Verbesserungen gegenüber einfachen Pooling-Verfahren. Langfristiges Ziel war es, verwandte Implementierungen und die ihnen zugrunde liegenden Annahmen auch über Forschungsdisziplinen hinweg finden zu können.
[Mehr]
Im Siddata-Projekt wurde ein digitaler Studienassistent entwickelt, der Studierenden mithilfe personalisierter Empfehlungen dabei hilft, passende Lehrveranstaltungen, Lernmaterialien und Lernpartner zu finden. Ich habe Machine-Learning-Recommender entwickelt und intensiv am Django-Backend gearbeitet, um einen Forschungsprototypen, dessen Deployment zuvor mehrere Tage dauerte, in ein containerisiertes, getestetes und einfach deploybares System zu verwandeln. Auch meine Masterarbeit entstand im Rahmen dieses Projekts.
[Mehr]
Masterthesis: Explainable Course Recommendation
🇬🇧 nur auf EnglischFor this thesis, I created a Conceptual Space from Course Descriptions for explainable Recommendation, in a highly performant pipeline on the university-grid.
Sub-Pages:
[Mehr]
Als studentische Hilfskraft am Red Hen Lab habe ich an einer Videoverarbeitungspipeline zur automatischen Gestenanalyse in großen Videokorpora gearbeitet. Dabei ging es insbesondere um Personentracking und -identifikation mittels Gesichtserkennung, die Segmentierung von Kameraeinstellungen sowie die Ausführung der Pipeline auf einem HPC-Cluster mit Snakemake und Singularity.
[Mehr]
Deep Document Splitter
🇬🇧 nur auf Englisch
An automated pipeline to split a bunch of scanned pages into single documents
[Mehr]
Bachelorthesis: Controlling Race Cars with Deep ANNs
🇬🇧 nur auf Englisch
Delving into the realm of self-driving cars for my bachelor’s thesis, I endeavored to optimize their tactical decisions, particularly speed, using cutting-edge deep neural networks and reinforcement learning in tensorflow within a transformed racing simulation. The resulting research platform, built on Unity, showcased the potential of real-time feedback and adaptability, offering valuable insights into the future integration of reinforcement learning in self-driving cars.
[Mehr]