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
- 2025
- Hahn, Y., Voets, J., Königsfeld, A., Tercan, H., & Meisen, T. (2025). "Out of Distribution Detection for Efficient Continual Learning in Quality Prediction for Arc Welding" in Proceedings of the 34th ACM International Conference on Information and Knowledge Management , Cha, Meeyoung and Park, Chanyoung and Park, Noseong and Yang, Carl and Basu Roy, Senjuti and Li, Jessie and Kamps, Jaap and Shin, Kijung and Hooi, Bryan and He, Lifang, Eds. New York, NY, USA : ACM 5699—5706.
ISBN: 9798400720406
- Maack, R., Thun, L., Liang, T., Tercan, H., & Meisen, T. (2025). "PCAD: A Real-World Dataset for 6D Pose Industrial Anomaly Detection" in Proceedings of the Winter Conference on Applications of Computer Vision (WACV) Workshops . 1132—1141.
- Chandorkar, A., Tercan, H., & Meisen, T. (2025). Rethinking Backbone Design for Lightweight 3D Object Detection in LiDAR.
- Bohn, C., Freeman, I., Tercan, H., & Meisen, T. (2025). "Task Weighting Through Gradient Projection for Multitask Learning" in Neural Information Processing , Mahmud, Mufti and Doborjeh, Maryam and Wong, Kevin and Leung, Andrew Chi Sing and Doborjeh, Zohreh and Tanveer, M. and Leung, Chi Sing, Eds. Singapore : Springer and Springer Nature Singapore 317—331.
ISBN: 978-981-96-6953-0
- 2024
- Waubert-de-Puiseau, C., Dörpelkus, C., Peters, J., Tercan, H., & Meisen, T. (2024). Beyond Training: Optimizing Reinforcement Learning Based Job Shop Scheduling Through Adaptive Action Sampling.
