deutsch  | Home | Legals | Data Protection | KIT

Marco Stang, M.Sc.

Member of Scientific Staff
group: Prof. Sax
room: 225
CS 30.10
phone: +49 721 608-45287
marco stangNmt5∂kit edu


 Engesserstr. 5

76131 Karlsruhe

M. Sc. Marco Stang

  • Geboren im Mai 1987
  • Bachelor-Studium der Elektro- und Informationstechnik am KIT
    • Abschluss im August 2011
    • Titel der Bachelorarbeit: Bachelorthesis: Entwicklung eines Berichtgenerators zur Visualisierung von EKG-Daten und Aktivitätsdaten
  • Master-Studium der Elektro- und Informationstechnik am KIT
    • Abschluss im November 2015
    • Titel der Masterarbeit: Demonstration einer durchgängigen Simulationskopplung für die Fahrerassistenzsystementwicklung mit kombinierten Programmierumgebungen und Sprachen
  • 10/2015 – 12/2016 Wissenschaftlicher Mitarbeiter am FZI
  • Wissenschaftlicher Mitarbeiter am ITIV seit Januar 2017

 

Studentische Arbeiten
Titel Datum
Innovative selbstlernende Gestensteuerung im Automotivbereich available
Automatische Sichtprüfung mit Neuronalen Netzen am Beispiel von kardiovaskulärer Implantate (Stents) available
Reinforcement Learning für autonome Fahrzeuge in einer Simulationsumgebung available
Machine Learning in the Wild. Exploring new Applications using Deep Neural Networks available
Konzeptionierung und Modellierung der Elektronik-Architektur eines Demonstrators für zukünftige intelligente Fahrzeuge abgeschlossen


Publikationen


2020
Proceedingsbeiträge
An Evolutionary Approach to Hyper-Parameter Optimization of Neural Networks.
Stang, M.; Meier, C.; Rau, V.; Sax, E.
2020. Human Interaction and Emerging Technologies. Ed.: T. Ahram, 713–718, Springer International Publishing, Cham. doi:10.1007/978-3-030-25629-6_111
Using Machine Learning to Optimize Energy Consumption of HVAC Systems in Vehicles.
Böhme, M.; Lauber, A.; Stang, M.; Pan, L.; Sax, E.
2020. Human Interaction and Emerging Technologies. Ed.: T. Ahram, 706–712, Springer International Publishing, Cham. doi:10.1007/978-3-030-25629-6_110
2019
Proceedingsbeiträge
Applied Machine Learning: Reconstruction of Spectral Data for the Classification of Oil-Quality Levels.
Stang, M.; Böhme, M.; Sax, E.
2019. 5th International Conference on Research in Engineering, Technology and Science (ICRETS 2019), Lissabon, P, February 3-7, 2019, 1–13, ISRES Publishing, Ames, IA
Vorträge
The QUA³CK Machine Learning Development Process and the Laboratory for Applied Machine Learning Approaches (LAMA).
Becker, J.; Grimm, D.; Hotfilter, T.; Meier, C.; Molinar, G.; Stang, M.; Stock, S.; Stork, W.
2019, Oktober 22. Symposium Artificial Intelligence for Science, Industry and Society (AISIS 2019), Mexiko-Stadt, Mexiko, 20. Oktober–25. Dezember 2019