Fachbereich Wirtschaftswissenschaft

In dieser Masterarbeit wird eine Framework/Pipeline zur effizienten Hyperparameter-Optimierung für generative Modelle entwickelt. Basierend auf einem spezifischen Datensatz (tbd) soll eine generative Architektur – beispielsweise GANs oder VAEs – gezielt getunt werden, um optimale Ergebnisse zu erzielen. Dazu führt der Studierende eine Literaturrecherche durch, um bestehende Ansätze aus der Hyperparameter-Optimierung für Deep Neural Networks zu analysieren und geeignete Methoden für generative Modelle zu identifizieren. Ein besonderer Fokus liegt auf GANs, da hier zwei Netzwerke simultan optimiert werden müssen.