Lehrstuhl für Technologien und Management der Digitalen Transformation
Herr Univ.-Prof. Dr.-Ing. Tobias Meisen
Kontakt
Hasan Tercan, M.Sc.
Lehrstuhl für Technologien und Management der Digitalen Transformation
Büro: FZ.01.05
Tel.: +49 202 439 1153
Email: tercan{at}uni-wuppertal.de
Externe Profile
Hasan Tercan, M.Sc.
Wissenschaftlicher Mitarbeiter
Leiter des Forschungsbereichs "Industrial Deep Learning"
Forschungsinteressen:
- Machine Learning und Deep Learning
- Transfer Learning
- Continual Learning
- Industrial Data Science
Biographie
Hasan Tercan ist seit Dezember 2018 wissenschaftlicher Mitarbeiter am Lehrstuhl für Technologien und Management der Digitalen Transformation an der Bergischen Universität Wuppertal. In seiner Forschung beschäftigt sich Herr Tercan mit Erforschung, Entwicklung und Umsetzung von Verfahren des maschinellen Lernens und der künstlichen Intelligenz für Anwendungsfälle in verschiedenen Bereichen, darunter Automotive, Produktion und Fertigung. Zentraler Forschungsgegenstand hierbei sind dateneffiziente und adaptive Verfahren, die mittels des sogenannten Industrial Transfer Learning generiert werden.
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 an verschiedenen Forschungs- und Entwicklungsprojekten KI-Verfahren im Produktionskontext entwickelte.
Publikationen
| • |
Continual learning of neural networks for quality prediction in production using memory aware synapses and weight transfer
Journal of Intelligent Manufacturing,
2021
ISSN: 0956-5515
Schlüsselwörter: research-industrial-deep-learning |
| • |
Evaluating a Session-based Recommender System using Prod2vec in a Commercial Application
Proceedings of the 23rd International Conference on Enterprise Information Systems
, Seite 610--617.
Herausgeber: SCITEPRESS - Science and Technology Publications,
2021
ISBN: 978-989-758-509-8
Schlüsselwörter: research-industrial-deep-learning |
| • |
Fault Detection in Railway Switches using Deformable Convolutional Neural Networks
2021 IEEE 19th International Conference on Industrial Informatics (INDIN)
, Seite 1--6.
Herausgeber: IEEE,
2021
ISBN: 978-1-7281-4395-8
Schlüsselwörter: research-industrial-deep-learning |
| • |
When to Message: Investigating User Response Prediction with Machine Learning for Advertisement Emails
2021 4th International Conference on Artificial Intelligence for Industries (AI4I)
, Seite 25--29.
Herausgeber: IEEE,
2021
ISBN: 978-1-6654-3410-2
Schlüsselwörter: research-industrial-deep-learning |
| • |
Artificial Intelligence in Automotive Production
Mobility in a Globalised World 2018,
22:308--324
2019
DOI: 10.20378/irbo-54827
Schlüsselwörter: research-industrial-deep-learning;research-interpretable-learning |