SCCH: Framework zur Anwendung von Drifterkennungsmethoden

Framework zur Anwendung von Drifterkennungsmethoden

Die laufende Veränderung von gemessenen Daten (vgl. „concept drift“, „dataset shift“, „calibration drift”, ...) stellt ein großes Problem für viele Machine Learning Anwendungen dar. Diese Veränderungen können verschiedene Gründe wie z.B. Veränderungen am Messgerät haben und führen dazu, dass Machine Learning Modelle auf neuen Daten nur unzureichende bzw. immer schlechtere Vorhersagen liefern.

Im Zuge dieser Arbeit soll ein Framework (bevorzugt in Python oder R) entwickelt werden, mit dem existierende Drifterkennungsmethoden in einheitlicher Weise angewendet werden können. Weitere Aufgaben könnten das Erstellen und Veröffentlichen eines neuen Drift-Datensatzes, die Implementierung neuer Drifterkennungsmethoden und der Vergleich mit existierenden Frameworks (z.B. MOA) sein.

Nähere Details finden Sie in der Stellenausschreibung.