Sentimentanalyse mittels deutscher Twitter-Korpora und Deep Learning

Ziel dieser Arbeit ist die Untersuchung von Ansätzen zur Stimmungsanalyse von Tweets in deutscher Sprache. Hierzu ist ein Data Mining-Prozess zu durchlaufen mit den Phasen Datenselektion, -exploration, - vorbereitung, Merkmalsgenerierung, Modellierung und Evaluation. Die besondere Schwierigkeit besteht in der Datenbeschaffung, den unstrukturierten Daten (Tweets) sowie der Auswahl und lauffähigen Umsetzung der Lernalgorithmen aus dem Bereich des Deep Learnings. Die Klassifizierer sollen mit ihren Hyperparametern nachvollziehbar dokumentiert und geeignet evaluiert werden.

Kolloqium: 29.03.2019

Betreuer: Prof. Dr. Sven Buchholz, Dipl.-Inform. Ingo Boersch

Download: A1-Poster, Masterarbeit

Categories: Abschlussarbeiten, Maschinelles Lernen

Der autonome Pizzabote SAE-Level 5

Wir wiederholen die schwierige Aufgabe vom letzten Jahr, bei der ein autonomes Fahrzeug entworfen, konstruiert und programmiert werden soll, das selbständig kürzeste Wege in einer übergebenen Karte plant und ausführt. Der Anwendungsfall ist ein Lieferroboter, wie er in verschiedenen Städten erprobt wird. Das System übernimmt hier sowohl die Rolle des Roboters (Lokalisation, lokale Navigation mithilfe der Sensorik, Abliefern der Pizza) als auch die der Planungsschicht, bspw. einer zentralen KI-Komponente, die auf die Verkehrssituation der Stadt zugreifen kann und Routen nach aktueller Verkehrslage berechnet (globale Navigation).

Und natürlich muss ein Robotersystem mit Stromversorgung, Motoren, Getrieben, geeigneten Sensoren und Transportkapazität gebaut werden. Falls die Probleme zu groß werden (und groß werden sie auf jeden Fall), besteht die Fallback-Möglichkeit beim Abschlusswettbewerb mit einem manuellen Plan zu starten. Es traten 5 Roboter zum Wettbewerb an: Robby, Painbot, Robot, Ritter und Hungerkiller. Das Finale Ritter (63 Punkte) gegen Painbot (60 Punkte) gewann Painbot.

Zwei Projektberichte von Painbot und Robot:

Categories: AMS-Projekte, RobotBuildingLab