Seit Anfang 2022 beschäftige ich mich mit End-to-End Learning und dessen Potenzial für neuartige Kommunikationssysteme als wissenschaftlicher Mitarbeiter am Institut für Nachrichtentechnik der TUHH. Mein Ziel ist es hierbei theoretische Grundlagen tiefer Lernverfahren und deren Anwendung auf nachrichtentechnische Systeme zu evaluieren und auf konkrete Szenarien, wie etwa Satelliten- oder Mobilfunkkanäle anzuwenden.

Mein Studium der Elektrotechnik (B.Sc.), sowie Advanced Signal Processing and Communications Engineering (M.Sc.) an der Friedrich-Alexander Universität Erlangen-Nürnberg gaben mir die Möglichkeit, Kenntnisse verschiedener Bereiche des maschinellen Lernens, wie graphenbasierte Analyse von Musikstücken, Segmentierung von Audiosignalen menschlicher Kaugeräusche, oder aber Compressed Sensing zur Analyse von Delay-Doppler Kanälen zu erwerben. Dieses breite Wissen wende ich nun auf neuronale Netze zum Aufbau von End-to-End Kommunikationssystemen an. Hierbei interessieren mich insbesondere Autoencoder für Constellation Shaping, aber auch die Verbesserung von Trainingsprozessen zur Realisierung von Übertragungen auf komplexen Kanälen.

Forschungsthemen

  • Maschinelles Lernen für die Nachrichtentechnik
  • End-to-End Learning und dessen Potenzial für 5G/6G
  • Autoencoder zur Modellierung von Übertragungsketten
  • Constellation Shaping
  • Compressed Sensing

Vita

  • Wissenschaftlicher Mitarbeiter, 2022 - heute

    Institut für Nachrichtentechnik, Technische Universität Hamburg

  • Wissenschaftlicher Mitarbeiter, 2020 - 2021

    Friedrich-Alexander Universität Erlangen-Nürnberg

  • Master of Science in Advanced Signal Processing and Communications Engineering (M.Sc.), 2020

    Friedrich-Alexander Universität Erlangen-Nürnberg

  • Bachelor of Science in Elektrotechnik-Elektronik-Informationstechnik (B.Sc.), 2018

    Friedrich-Alexander Universität Erlangen-Nürnberg

Aktuelle Arbeiten zu Machine Learning