Foto von Max Beier

Max Beier

Kurzbiographie

Seit 05/2024

Assoziierter Doktorand

Konrad Zuse School of Excellence in reliable AI

Seit 11/2023

Wissenschaftlicher Mitarbeiter

Lehrstuhl für Informationstechnische Regelung

Technische Universität München

10/2020-07/2023

Master of Science - Robotics, Cognition, Intelligence

Technische Universität München

Vertiefung: Maschinelles Lernen für Dynamische Systeme und Regelungstechnik

10/2017-09/2020

Bachelor of Engineering - Maschinenbau, Fahrzeugtechnik

Duale Hochschule Baden-Württemberg Stuttgart

Robert Bosch GmbH

Forschungsinteressen

  • Prinzipiertes maschinelles Lernen
  • Dynamische Systeme und Operatortheorie
  • Lernbasierte Regelung

In meiner Forschung beschäftige ich mich mit Methoden zur lernbasierten Modellbildung dynamischer Systeme. Dabei interessieren mich vor allem geometrische Methoden und Operatortheorie. Ziel ist es aus Daten ein Modell zu erstellen welches das automatische Reglerdesign vereinfacht.

Kontakt

Ich freue mich immer über die Zusammenarbeit mit hochmotivierten Studierenden. Falls Sie Interesse an einer Studienarbeit im Bereich meiner Forschung haben melden Sie sich gerne per Mail. Falls gerade keine Arbeit ausgeschrieben ist, geben Sie bei einer Anfrage bitte an an welchen Themen Sie interessiert sind. Bitte fügen Sie außerdem Ihren Lebenslauf, einen aktuellen Transcript of Records und den gewünschten Starttermin bei.

Veröffentlichungen (aktuelle Liste auf Google Scholar)

  • P. Bevanda, M. Beier, A. Lederer, S. Sosnowski, E. Hüllermeier, S. Hirche: Koopman Kernel Regression. Proceedings of the 37th Conference on Neural Information Processing Systems (NeurIPS 2023) (NeurIPS Proceedings), 2023 mehr…
  • P. Bevanda; M. Beier; S. Kerz; A. Lederer; S. Sosnowski; S. Hirche: Diffeomorphically Learning Stable Koopman Operators. IEEE Control Systems Letters (L-CSS) 6, 2022, 3427 - 3432 mehr…