Idee

"Wenn man Videos von tanzenden Menschen hat, wie kann man dann messen, wie ähnlich ihre Bewegungen sind?"

‍

‍

Kontext des Praktikums

‍

• Untersuchung von zeitkritischen Metriken
• Multivariates Zeitreihenproblem: mehrere Gliedmaßen, mehrere x/y-Anker in jedem Bild → wie in einen einzigen Wert integrieren?
• Die Technik ist breiter anwendbar:

• Ähnlichkeitssuche
• Clustering
• Erkennung von Anomalien
• Musterentdeckung

‍

Was Sie lernen werden

‍

• Erforschung und Umsetzung modernster Zeitreihentechniken und Ähnlichkeitsmetriken unter Berücksichtigung von Latenz-/Genauigkeitsanforderungen.
• Wie Sie Ihre Arbeit durch die Erstellung einer interaktiven Demo auf unserer Website und eines Blogposts präsentieren können.
• Sich damit vertraut machen, wie ein erstklassiges KI-Beratungsunternehmen intern arbeitet.

‍

Idee

"Wo treffen wir uns als internationales Unternehmen, um so wenig CO2 wie möglich auszustoßen?"

‍

‍

Kontext des Praktikums

‍

• In vielen Unternehmen ist es heutzutage üblich, alle Kollegen mindestens einmal im Jahr zu versammeln. Diese Unternehmen berücksichtigen oft nicht die Belastung, die diese Transporte für unseren Planeten bedeuten.
• Auf der Grundlage des Standorts jedes ML6-Agenten wollen wir automatisch den besten Ort für ein Treffen bestimmen können, wobei Regeln und Einschränkungen berücksichtigt werden.
• Das Ziel ist es, eine Demo zu erstellen, die für eine beliebige Anzahl von Orten funktioniert, die wir auf unserer Website und in einem Blogpost präsentieren können. 

‍

Was Sie lernen werden

‍

• Erforschung und Umsetzung modernster Optimierungstechniken unter Berücksichtigung von Latenzzeiten und Beschränkungen.
• Wie Sie Ihre Arbeit durch die Erstellung einer interaktiven Demo auf unserer Website und eines Blogposts präsentieren können.
• Sich damit vertraut machen, wie ein erstklassiges KI-Beratungsunternehmen intern arbeitet.

‍

Es ist der feuchte Traum eines modernen Alchemisten: die Vorhersage der Finanzmärkte. Ob unmöglich oder nicht, bei der neuesten Ausgabe der M-Wettbewerbe geht es genau darum: die Aktienkurse für eine Auswahl von 100 Aktien für den nächsten Monat vorherzusagen.

‍

Die M-Wettbewerbe sind die einflussreichsten und am meisten zitierten Wettbewerbe im Bereich der Prognosen. Deshalb nehmen wir natürlich mit einem Team von ML6 teil.

‍

‍

Methodik/Aufgaben

Während dieses Praktikums werden Sie:

• Probieren Sie eine Reihe verschiedener Zeitreihenalgorithmen und -ansätze aus, um das Problem der Aktienprognose anzugehen
• Gehen Sie das Problem von der Datenseite her an: Finden Sie nützliche Datenquellen, die sich auf einen einzelnen Bestand beziehen.
• Experimentieren mit verschiedenen Python-Paketen für Zeitreihenprognosen
• Versuchen Sie, eine bestimmte Aktie auszuwählen und die Methoden für diese spezielle Aktie zu optimieren.
• Befolgen Sie Best Practices für die Erstellung wiederholbarer Experimente, indem Sie Google Cloud Tools wie Vertex Ai Pipelines nutzen.
• Nehmen Sie am M6-Wettbewerb teil und reichen Sie jeden Monat Ihre Prognosen ein

Profil / Erforderliche Fähigkeiten

• Ausgeprägte analytische Fähigkeiten, Kenntnisse verschiedener statistischer Methoden, keine Scheu vor Mathematik und Vertrautheit mit Forschungsstudien.
• Starkes Interesse an Algorithmen für Zeitreihen
• Vertrautheit mit Sprachen und Werkzeugen zur statistischen Analyse wie Python
• Ausgezeichnete verbale und schriftliche Kommunikation in Englisch.
• Du absolvierst derzeit ein Studium der Informatik oder eines verwandten Fachgebiets.

Dauer des Praktikums

Die Dauer des Praktikums kann flexibel gestaltet werden und hängt von den Präferenzen des Bewerbers und den Anforderungen des Projekts ab. Die typische Dauer beträgt 6 bis 8 Wochen.

‍

Idee

"Derzeit sind die modernsten Ähnlichkeitsmetriken nur in R implementiert. Wir wollen diese nach Python portieren und in Frameworks wie Tensorflow implementieren."

‍

‍

Kontext des Praktikums

‍

• Die Wasserstein-Distanz gibt es schon seit Jahrhunderten, aber in letzter Zeit sorgt sie in der ML für Furore. Im Wesentlichen berechnet man, wie unterschiedlich zwei Verteilungen sind, und das Ergebnis ist eine Zahl zwischen 0 und +inf.
• Wir können die Wasserstein-Distanz als Metrik verwenden, um den Grad der Differenz zwischen zwei probabilistischen Funktionen zu berechnen, aber wir müssen eine parametrische Version davon auf realen Daten anwenden, um die tatsächliche Wasserstein-Distanz der beiden zugrunde liegenden Verteilungen zu schätzen.
• Die Frage, die sich stellt, ist: Wie definieren wir, wann 2 Distanzen unterschiedlich sind, indem wir die Wasserstein-Distanz verwenden? Wie gehen wir bei Hypothesentests vor? 🤔

• Wir sind nicht die ersten, die darüber nachdenken. Schefzik et al. haben eine Möglichkeit gefunden, dies zu testen, und sie in R implementiert.

• Also... Wir wollen diesen Test in Python verfügbar machen und ihn zu Scipy und TensorFlow Data Validation hinzufügen.

‍

Was Sie lernen werden

‍

• Metriken auf dem neuesten Stand der Technik, die in GANs, bei der Ähnlichkeitssuche, beim Clustering, bei der Erkennung von Anomalien und bei der Entdeckung von Mustern umfassend genutzt werden;
• Wie man einen wirkungsvollen Beitrag zur Open-Source-Gemeinschaft leistet und einen Blogpost erstellt;
• Sich damit vertraut machen, wie ein erstklassiges KI-Beratungsunternehmen intern arbeitet.

‍

Der Traum eines jeden (Prozess-)Managers ist es, ein Cockpit zu haben, das die von ihm überwachten Prozesse überwacht und ihn bei einem Zwischenfall benachrichtigt. So wie ein Flugzeugpilot benachrichtigt wird, wenn sich das Flugzeug beispielsweise mit hoher Geschwindigkeit dem Boden nähert.

‍

Viele große Unternehmen mit umfangreichen Prozessen verwenden Software, um alle Schritte eines Prozesses zu erfassen. Sie verwenden dafür oft SAP.

‍

‍

Im Rahmen dieses Praktikums werden Sie

• Wir beginnen mit einem Gespräch mit einem Prozessmanager bei einem unserer Kunden, um herauszufinden, welche Prozesse dort laufen und was er gerne in seinem Cockpit sehen würde.
• Dann werden Sie in die Unternehmenssoftware (SAP) eintauchen, um die relevanten Daten und Ereignisse zu extrahieren.
• Anhand dieser Daten werden Sie Algorithmen für maschinelles Lernen (unbeaufsichtigt oder überwacht) und Process Mining Techniken, die in der Lage sind, die relevanten Metriken und Ereignisse zu erkennen, die dann im Cockpit-Dashboard erscheinen werden.
• Wenn es die Zeit (und das Interesse) erlaubt, werden Sie dann am Frontend des Dashboards selbst arbeiten, um die Erfahrung des Managers zu gestalten. Das Tüpfelchen auf dem i ist, dass das Dashboard Eingaben des Endnutzers zulässt, d.h. es fungiert als Beschriftungswerkzeug, d.h. die gesamte Einrichtung kann zu einem aktiven Lernsystem werden.

‍

Profil / Erforderliche Fähigkeiten

• Ausgeprägte analytische Fähigkeiten, Kenntnisse verschiedener statistischer Methoden, keine Scheu vor Mathematik und Vertrautheit mit Forschungsstudien.
• Vertrautheit mit statistischen Analysesprachen und Tools wie Python, SQL.
• Ausgezeichnete verbale und schriftliche Kommunikation in Englisch.
• Du absolvierst derzeit ein Studium der Informatik oder eines verwandten Fachgebiets.

‍

Dauer des Praktikums

Die Dauer des Praktikums kann flexibel gestaltet werden und hängt von den Präferenzen des Bewerbers und den Anforderungen des Projekts ab. Die typische Dauer beträgt 6 bis 8 Wochen. 

‍