Prof. Dr. Stefanie Schmidtner
Forschung
- Nachhaltige und intelligente Mobilitätssysteme
- Data Science & Machine Learning in Mobilitätssystemen
- Reinforcement Learning in Mobilitätssystemen
in den Forschungsinstituten
Vita
- Seit 2021 an der THI
- 11/2018 - 01/2021: Data Scientist und Projektleiterin in der Vorentwicklung im Bereich Smart Mobility bei der Audi AG (Audi Electronics Venture GmbH und Cariad SE)
- 08/2017 - 10/2018: Data Scientist und Funktionsentwicklerin bei der Audi AG
- 05 - 08/2015: Forschungsaufenthalt an der Nanyang Technological University, Singapore
- 10/2012 - 07/2017: Wissenschaftliche Mitarbeiterin und Promotion am Susanne Klatten-Stiftungslehrstuhl für Empirische Bildungsforschung an der Technischen Universität München
- 2007 - 2012: Studium Mathematik und Physik für Lehramt Gymnasium an der Technischen Universität München
Nachhaltige Stadtentwicklung und Künstliche Intelligenz
Die Forschungsgruppe für Nachhaltige Stadtentwicklung und Künstliche Intelligenz beschäftigt sich mit Data Science und KI Anwendungen für intelligente und nachhaltige Mobilitätssysteme. Ziel der Forschungsgruppe ist es, Forschung zu Datenanalyse und Machine Learning mit Forschung zu Mobilität und Verkehr sowie neuen Mobilitätskonzepten zu verknüpfen und durch anwendungsnahe Forschung eine nachhaltige, intelligente, nutzerzentrierte und evidenzbasierte Stadtentwicklung zu fördern. Als Methoden werden dafür sowohl statistische als auch Machine/Deep Learning basierte Verfahren verwendet. Die Professur der Forschungsgruppe wird aus Stiftungsmitteln der Stadt Ingolstadt finanziert.
Lehrtätigkeit
- Statistics (Bachelor)
- Data Science und KI für intelligente und nachhaltige Mobilitätssysteme (Master, Wahlfach)
- Introduction to Statistical Learning (Bachelor, Wahlfach)
Smart Mobility: Trends in intelligenten und nachhaltigen Mobilitätssystemen (Master, Wahlfach)
Offene Stellen
Sie interessieren sich für die Anwendung von Data Science und KI im Bereich nachhaltige und intelligente Mobilität und Stadtentwicklung? Dann bewerben Sie sich auf eine der aktuell offenen Stellen oder melden Sie sich gerne initiativ unter stefanie.schmidtner@thi.de.
Wissenschaftliche Mitarbeiter/-innen
Doktorand (m/w/d) Data Science / KI für nachhaltige Mobilität (3 Stellen)
Abschlussarbeiten
Nutzen Sie die Chance, mit ihrer Abschlussarbeit bei uns in ein attraktives Zukunftsthema rund um Data Science und KI einzusteigen und gleichzeitig einen Beitrag zu mehr Nachhaltigkeit zu leisten. Gerne können Sie uns auch mit Themenstellungen aus der Industrie kontaktieren.
Aktuelle Abschlussarbeiten finden Sie in Moodle.Keine passendes Thema dabei? Wenn Sie Interesse an unserem Forschungsgebiet haben, finden wir sicherlich ein interessantes Thema für Ihre Abschlussarbeit. Schreiben Sie mir hierfür bitte eine E-Mail.
Studentische Hilfskräfte
Aktuell habe ich leider keine offenen Stellen für studentische Hilfskräfte in meiner Forschungsgruppe.
Publikationen
Enhancing Realistic Floating Car Observers in Microscopic Traffic Simulation
Verlag : IEEE
Erscheinungsort : Piscataway
ISBN: 979-8-3503-9946-2
First steps towards real-world traffic signal control optimisation by reinforcement learning
Verlag : Taylor & Francis
Erscheinungsort : London
ISSN: 1747-7778
https://opus4.kobv.de/opus4-haw/files/4858/First_steps.pdfUnlocking Past Information: Temporal Embeddings in Cooperative Bird’s Eye View Prediction
Verlag : arXiv
Erscheinungsort : Ithaca
https://opus4.kobv.de/opus4-haw/files/4612/2401.14325-1.pdfUser-Centric Green Light Optimized Speed Advisory with Reinforcement Learning
Verlag : IEEE
Erscheinungsort : Piscataway
ISBN: 979-8-3503-9946-2
Real World Traffic Optimization by Reinforcement Learning
Verlag : figshare
Erscheinungsort : [s. l.]
https://opus4.kobv.de/opus4-haw/files/2929/Proceedings_2022_ABMUS_workshop.pdfReal World Traffic Optimization by Reinforcement Learning: A Concept
Verlag : figshare
Erscheinungsort : [s. l.]
https://opus4.kobv.de/opus4-haw/files/2929/Proceedings_2022_ABMUS_workshop.pdfReinforcement Learning for Traffic Signal Control Optimization
Verlag : International Foundation for Autonomous Agents and Multiagent Systems
Erscheinungsort : Richland
ISBN: 978-1-4503-9213-6
