Institute for Technologies and Management of Digital Transformation

Dr.-Ing. Hasan Tercan

Wissenschaftlicher Mitarbeiter

Leiter des Forschungsbereichs "Industrial Deep Learning"

Forschungsinteressen:

  • Machine Learning und Deep Learning
  • Industrial Artificial Intelligence
  • Transfer Learning und Lifelong Learning
  • Deep Reinforcement Learning

Biographie

Hasan Tercan ist seit Dezember 2018 wissenschaftlicher Mitarbeiter am Institute for Technologies and Management of Digital Transformation an der Bergischen Universität Wuppertal. Gleichzeitig ist er Leiter der Forschungsgruppe Industrial Deep Learning. In seiner Forschung beschäftigt sich Herr Tercan mit der Erforschung, Entwicklung und Umsetzung von Verfahren des maschinellen Lernens und der künstlichen Intelligenz im industriellen Kontext. Zentrale Anwendungsfälle sind die KI-gestützte Qualitätssicherung in der Produktion und die intelligente Planung und Steuerung von Fertigungs- und Montageprozessen.

Herr Tercan hat seine Promotion im Jahr 2023 abgeschlossen. In seiner Dissertation mit dem Titel "Machine Learning-based Predictive Quality in Manufacturing Processes" untersuchte er den Einsatz maschineller Lernverfahren zur Qualitätsvorhersage in der Produktion. Zwei wesentliche Forschungsschwerpunkte der Dissertation sind die Entwicklung von Simulation-to-Reality Transfer Learning Ansätzen zur Nutzung kostengünstiger Trainingsdaten aus der Fertigungssimulation und kontinuierliche Trainingsmethoden, um künstliche neuronale Netze effizient auf Änderungen im Fertigungsprozess trainieren zu können. Für seine Dissertation erhielt Herr Tercan den Promotionspreis vom Verein der Freunde und Alumni der Bergischen Universität Wuppertal e.V. (FABU).

Herr Tercan studierte Informatik an der Technischen Universität Darmstadt. Seine Vertiefungsgebiete waren Datenbanksysteme und Data Mining. In seiner Master-Thesis untersuchte er den Einsatz maschineller Lernverfahren im Versicherungssektor. Anschließend arbeitete er als wissenschaftlicher Mitarbeiter am Lehrstuhl für Informationsmanagement im Maschinenbau der RWTH Aachen Universität, wo er in diversen Forschungs- und Entwicklungsprojekten KI-Verfahren im Produktionskontext entwickelte und untesuchte. 

Publikationen

2022
Maack, R. F. , Waubert-de-Puiseau, C. , Sokolova, A. , Atsbha, H. , Tercan, H. , & Meisen, T. (2022). "Reducing the Sim2Real-Gap in Extrusion Blow Molding using Random Forest Regressors" , Manufacturing Letters , 33 , 843--849.
2021
Bitter, C. , Tercan, H. , Meisen, T. , Bodnar, T. , & Meisen, P. (2021). "When to Message: Investigating User Response Prediction with Machine Learning for Advertisement Emails" in 2021 4th International Conference on Artificial Intelligence for Industries (AI4I) , IEEE 25--29.

ISBN: 978-1-6654-3410-2

Maack, R. F. , Tercan, H. , Solvay, A. F. , Mieth, M. , & Meisen, T. (2021). "Fault Detection in Railway Switches using Deformable Convolutional Neural Networks" in 2021 IEEE 19th International Conference on Industrial Informatics (INDIN) , IEEE 1--6.
Tercan, H. , Bitter, C. , Bodnar, T. , Meisen, P. , & Meisen, T. (2021). "Evaluating a Session-based Recommender System using Prod2vec in a Commercial Application" in Proceedings of the 23rd International Conference on Enterprise Information Systems , SciTePress 610--617.

ISBN: 978-989-758-509-8

Alves-Gomes, M. , Tercan, H. , Bodnar, T. , Meisen, T. , & Meisen, P. (2021). "A Filter is Better Than None: Improving Deep Learning-Based Product Recommendation Models by Using a User Preference Filter" in 2021 IEEE 23rd Int. Conf. on High Performance Computing and Communications; 7th Int. Conf. on Data Science and Systems; 19th Int. Conf. on Smart City; 7th Int. Conf. on Dependability in Sensor, Cloud and Big Data Systems and Application (HPCC/DSS/SmartCity/DependSys) . 1278--1285.

Weitere Infos über #UniWuppertal: