Theses
You are interested in writing a thesis in the field of statistical methods?
We offer topics for bachelor, master and PhD theses on current research questions at any time. An overview of currently available topics in the field of statistical methods can be found at the bottom of this page. Below there is also an overview of the theses written so far in our group on this topic.
If you are interested in one of the currently available topics, or if you would like to discuss other possiblities or topics in the field of statistical methods, please feel free to contact us. We are looking forward to a personal conversation with you.
Contact
Currently available topics for theses
MCMC trifft Maschinelles Lernen: Integration von Normalizing Flows in BAT.jl
- Abschlussarbeitsthemen
- Statistische Methoden
Hintergrund:
Die statistische Analyse von Daten ist ein zentraler Aspekt jeder wissenschaftlichen Forschung. Unsere Arbeitsgruppe entwickelt das Bayesian Analysis Toolkit (BAT.jl), eine Software in der Programmiersprache Julia, die leistungsstarke Algorithmen für die Durchführung von Datenanalysen im Rahmen der Bayesschen Statistik bietet. BAT.jl umfasst benutzerfreundliche Implementationen von Sampling-Methoden wie Markov Chain Monte Carlo (MCMC) sowie Algorithmen zur numerischen Integration hochdimensionaler Verteilungen.
Ein aktueller Schwerpunkt unserer Arbeit liegt in der Weiterentwicklung bestehender Algorithmen und der Implementierung innovativer Ansätze aus dem Bereich des Maschinellen Lernen. Dazu zählt die Verknüpfung klassischer MCMC-Methoden mit modernen Techniken wie Normalizing Flows. Normalizing Flows ermöglichen es, komplexe Wahrscheinlichkeitsverteilungen durch invertierbare Transformationen zu modellieren und dadurch Sampling-Prozesse effizienter zu gestalten.
Ziel der Arbeit:
Ziel dieser Bachelorarbeit ist es, eine bestehende Implementierung von MCMC mit Normalizing Flows in die neue Version von BAT.jl zu portieren. Die Methode soll in die bestehende Infrastruktur integriert und anhand eines physikalischen Beispiels getestet werden.
Wünschenswerte Voraussetzungen:
- Interesse an statistischen Methoden und Monte-Carlo-Techniken sowie Teilchenphysik
- Grundkenntnisse in Programmierung (idealerweise Julia oder Python)
- Motivation zur Einarbeitung in physikalische und algorithmische Fragestellungen
Completed Theses
Dissertationen
| Robin Pelkner | Development and application of a serialization standard for statistical models in high energy physics | November 2023 |
Master Theses
| Robin Pelkner | Rediscovering the Higgs - Bringing a new standard for advanced statistical models to Julia | December 2023 |
Bachelor Theses
| Benjamin Schäfer | Implementation, tuning and performance tests of an ECMC sampler in BAT.jl | August 2023 |
| Moritz Terwissen | Performing high energy physics data analyses using Julia and BAT.jl | Juli 2022 |
| Willy Weber | Nested sampling algorithm in BAT.jl | August 2021 |
| Robin Pelkner | Testing the performance of sampling algorithms in BAT.jl | Dezember 2020 |
| Dominik Wittmann | Parameteranalyse des Multi-Channel Markov Chain Monte Carlo Sampling-Algorithmus | Dezember 2016 |
| Cornelius Grunwald | Influence of correlated background sources on the objective Bayesian analysis of counting experiments | Juli 2015 |
| Florian Mentzel | Objective Bayesian analysis of counting experiments in high energy physics | Juli 2015 |