Idee:

• Anhand von Bildern sollen durch Methoden des Deep Learnings Straßenschilder erkannt und klassifiziert werden
• Mithilfe von Transfer Learning soll untersucht werden, ob ein in Deutschland hergestelltes Auto auch im Ausland die Straßenschilder erkennen kann

Use Case:

• Unterstützung des Fahrers/ der Fahrerin in besonders schwierigen Verkehrssituationen (z.B. wenn Straßenschild übersehen wurde)
• Transferierung des Use Cases bei Verkehrssituationen im Ausland (Kann das Auto auch im Ausland fahren?)

Themengebiete:

• Deep Learning, Image Classification, Object Detection
• Transfer Learning

Teammitglieder:

• Pascal Schmidt
• Philipp Becht
• Simon Wrigg

Scraping web for events in mannheim and predict the number of people who want to go out on a given day based on their likes.
Additional scraping for exams on universities and consider the influence

Im Rahmen der Vorlesung "Web-Entwicklung" entstand eine geniale Idee: Coin2Gether. Coin2Gether ist eine Crypto-Social-Tradingplattform, auf der sich Nutzer über den aktuellen Markt austauschen können. Seit der Vorlesung liegt C2G aber auf dem Eis. Mit der Initiative "C2G goes AI" möchten wir der Plattform zu altem Glanz verhelfen und neue Features rund um AI-Themen einbauen. Dazu gehört in erster Linie ein intelligenter Assistent, der einem bei der Bedienung der Platform unterstützt. Um die Nutzerinteraktionen zu steigern, wird weiterhin ein Recommender System für ein graphenbasiertes Social-Directed-Network entwickelt.

Unser talentiertes Team, bestehend aus

• Bastian Berle,
• Fabian Heidger,
• Nico Heller, und
• Ron Holzapfel,

steht Ihnen jederzeit für weitere Fragen zur Verfügung.

Niklas Lederer
Ferdinand Bubeck
Johannes Bubeck
Stefan Eckerle

Ausgesuchtes Spiel ist Flappy Bird

Teammitglieder: Kilian Ebi, Jendrik Hülsmeyer, Johannes Damke

Motivation: Fachkräftemangel in der Medizin

Ziel: Medizinische Diagnosen unterstützen

Laura Marie Struss
Marcel Winter
Lennart Schulz
Sebastian Hildenbeutel

Team: Andreas Dichter, Can Berkil, Canberk Alkan, Dominic Viola, Simon Schmid

Uns interessiert das Thema sehr, konkrete Vorstellungen bezüglich der zu verwendenden Technologien haben wir noch nicht.
Da sind wir für Vorschläge offen.

We want to develop a content scrapper for a social Media platform for analyzing content of an account aka Influencer
Gruppe:
Moritz Müller
Felix Hüsgen
Lennard Fertig
Michael Rainko
Yannik Hubrich

Projektziel

Entwickeln einer prototypischen Anwendung zur Erkennung der Tauglichkeit deutscher Wälder in Bezug auf sich ändernde Klimabedingungen.

Need

• Anpassung deutscher Wälder an Klimawandel
• Baumarten wie Fichte nicht geeignet
• Monokulturen schlecht -> Mischwald
• Lösung für private Waldbesitzer, um Fit des eigenen Waldes an veränderte
Klimabedingungen zu überprüfen und um eine Informationsgrundlage für richtiges Handeln zu schaffen

Funktion Anwendung

Die Anwendung bekommt Input in Form von Bildern, welche ein Abbild eines Waldes repräsentieren. Die Anwendung erkennt die jeweiligen Baumarten. Auf Basis dieser Erkenntnisse wird zunächst die Aufteilung des Waldes in Laub-, Nadel- und Mischwald in Form einer graphischen Darstellung ausgegeben. Diese Aufteilung wird nachfolgend mit einem „optimalen“, auf die Folgen des Klimawandels angepassten Walbestand abgeglichen. Daraus kann, aus einem noch zu ermittelnden Bewertungsmodells, die Eignung des bisherigen Baumbestandes eines Waldes zur Bewältigung der Folgen des Klimawandels bewertet werden.

Jedes Produkt erhält basierend auf Tokens der Vorprodukte einen Token hinter dem Informationen über den CO2-Ausstoß gespeichert werden. Dadurch sind transparente Lieferketten möglich.

Erweiterbar mit Infos über Produktionsbedingungen, Menschenrechte etc.

--> Kontrolle über Netzwerk (Plausibilitätsberechnungen oder so?)

(wird wahrscheinlich nicht von meiner Gruppe bearbeitet, kann also übernommen werden)

I try to generate cat images using a GAN trained on the 10k cats dataset.
Group: Miguel Sarasa Y Zimmermann

My repo contains:

• Cat_generator.ipynb along with instructions on how to run it and the required python packages
• A presentation about this generator (in german)
• A presentation about DALL-E 2 (also in german)
• Slides for both presentations

genutzte notenskala:

https://www.dhbw-vs.de/files/content/02_LEHRE/60er_Punkte-_und_Notenskala.pdf

genutzte notenskala:

https://www.dhbw-vs.de/files/content/02_LEHRE/60er_Punkte-_und_Notenskala.pdf

Bei bei der Dispo von Zügen von Hand wird ein nen Haufen Zeit verloren, weil Menschen entscheiden müssen, welcher Zug vor welchem fahren wird bei Verspätungen. Sagen wir man hat eine Wende, die es bei S-Bahnen häufiger gibt. Dann musste entscheiden, wann lass ich einen Zug in der Wende und wann lass ich den Zug, der nicht in der Wende ist vorfahren. Und wie minimiere ich dabei Verspätungen. Bzw. wann stelle ich einen Extrazug bereit, um Verspätung im Netz wieder zu reduzieren.

Datenbasis sind OLTP und OLAP Daten eines Data Warehouse eines Onlineversands (AdventureWorks)

Daten aus Produktion, Verkauf, Personen, Kunden, Bestellungen..

Analytics Methoden anwenden - entweder mit OLTP oder OLAP Daten.
Hier zu bestimmen: Welche Methoden eignen sich wofür?

Team:
Jonas Wuttke, Lukas Bach und Ferdinand Muth

Idee:
Ein Dashboard, welches das Sentiment zu Unternehmen anzeigt und den Aktienkurs dieser Analysiert und einen Preis für den Nachfolgenden Tag vorhersagt.

Motivation:
Spielerische Meinungsbildung und Übersicht über Kurse, allgemeine Themen und Meinungen zu börsennotierten Unternehmen, sowie auf einem Modell basierende Kursvorhersagen.

Ziel:
Schnell und einfach Echtzeit Analysen von Aktienkursen und Sentimenten bekommen.