Heinrich-Heine-Universität Düsseldorf

Ich forsche an unterschiedlichen Themen im Bereich Natural Language Processing. Dort beschäftige ich mich hauptsächlich mit Applikationen in der Finanz-Domain.

• Sentiment Analysis
• Anwendung von Sentimenten in der Vorhersage von Aktienkursentwicklungen
• Topic Detection
• Sentiment Duration
• Adapter-based Neural Networks

Offene Themen:

• Messung von der Geschwindigkeit der Einpreisung von Sentimenten in Aktienkurse (Bachelorarbeit):

  In dieser Bachelorarbeit wirst du dich intensiv mit der aktuellen Literatur zu diesem Thema auseinandersetzen und vorhandene Ansätze zur Messung der Einpreisungsgeschwindigkeit von Nachrichten in Aktienkurse kategorisieren und zusammenfassen. Du wirst die wichtigsten Erkenntnisse aus der Literatur präsentieren und anhand eines realen Datensatzes, bestehend aus Nachrichten zu verschiedenen Unternehmen und historischen Aktienkursen, überprüfen, ob diese Erkenntnisse auch für diesen Datensatz gelten.

  Um erfolgreich an dieser Bachelorarbeit teilzunehmen, solltest du bereits über grundlegende Kenntnisse im Bereich der Aktienmärkte verfügen und Erfahrung in der Datenanalyse und Programmierung haben, insbesondere in Python, Statistik und maschinellem Lernen. Mit deiner Arbeit trägst du dazu bei, ein besseres Verständnis für die Mechanismen hinter der Einpreisung von Nachrichten in Aktienkurse zu entwickeln, was für Investoren, Analysten und Unternehmen gleichermaßen von Interesse ist.Wenn du bereit bist, diese Herausforderung anzunehmen und an einem spannenden Forschungsthema zu arbeiten, bewirb dich jetzt für diese Bachelorarbeit und werde Teil eines faszinierenden Forschungsprojekts!

• Analyse der Effektivität von Large Language Models (LLMs) im Bereich Sentiment Analysis (Bachelorarbeit/Projektarbeit)

  Im Zuge der rasanten Entwicklung von Künstlicher Intelligenz und Natural Language Processing haben Large Language Models wie GPT-4 von OpenAI gezeigt, dass sie komplexe Aufgaben erfolgreich bewältigen können. Eine relevante Anwendung von LLMs ist die Sentiment Analysis, bei der es darum geht, Stimmungen, Meinungen und Emotionen aus Texten zu extrahieren.

  In dieser Projektarbeit untersuchst du die Effektivität von LLMs im Bereich Sentiment Analysis. Du wirst verschiedene Modelle auf unterschiedlichen Datensätzen, wie zum Beispiel aus der Finanz-Domain, anwenden, die Ergebnisse vergleichen und mögliche Schwächen identifizieren.Für eine erfolgreiche Teilnahme an dieser Projektarbeit solltest du bereits Erfahrung in der Datenanalyse und Programmierung haben, insbesondere in Python, Statistik und maschinellem Lernen.