1 Lehre an der TU Berlin

1.1 Wintersemester

Im Wintersemester halte ich die Spezialvorlesung Reinforcement Learning (mit Skriptum) und ein Seminar zum selben Thema.

1.2 Betreuung von Abschlussarbeiten (Bachelorarbeiten (BSc), Masterarbeiten (MSc) und Dissertationen (PhD))

Ich betreue vor allem Abschlussarbeiten zu Themen, die in Verbindung zu reinforcement learning stehen.

Die folgenden Vorkenntnisse sind wünschenswert, wobei ich aber nicht erwarte, dass alle Vorkenntnisse gleichzeitig vorhanden sind.

Sehr gute Grundkenntnisse in Analysis.
Optimierung (stochastic gradient descent) und stochastische Approximation.
Wahrscheinlichkeits- und Maßtheorie.
Dynamische Programmierung.
Reinforcement learning, sowohl Theorie (Konvergenzbeweise für Lernalgorithmen) als auch die Entwicklung und Implementierung von Lern- und Evaluierungsalgorithmen. Besonders wünschenswert ist naturgemäß die erfolgreiche Teilnahme an meiner Spezialvorlesung Reinforcement Learning bzw. das Studium des Skriptums.
Large language models (LLM) und reasoning models (als Anwendungen des reinforcement learning).
Autoformalisierung für Lean und agentic AI.

Bei Interesse an naturwissenschaftlichen, technischen oder medizinischen Anwendungen sind sehr gute Vorkenntnisse in gewöhnlichen und/oder partiellen Differentialgleichungen wünschenswert.