InstitutTeam
Rene Sass

René Sass, M. Sc.

René Sass, M. Sc.
Adresse
Appelstraße 9a
30167 Hannover
Gebäude
Raum
René Sass, M. Sc.
Adresse
Appelstraße 9a
30167 Hannover
Gebäude
Raum

I studied Computer Engineering at Leibniz Universität Hannover and received my Master's degree in 2021. During my studies I did a semester abroad at Beijing Institute of Technology, where I attended computer science seminars and gained international experience.

With my master thesis "Automated Outlier Detection via Bayesian Optimization", I implemented an automated pipeline for anomaly detection and showed that hyperparameter optimization is highly recommended.

Research Interests

  • Automated Machine Learning
  • Multi-Fidelity Optimization
  • Interpretable Machine Learning
  • Software Engineering

Resume

  • Working Experience

    2020 - 2021
    Research Assistant (AI and Deep Learning in Automatic Driving), Volkswagen AG

  • Education

    since 2021
    Doctoral Researcher, Leibniz Universität Hannover 

    2018 - 2021
    M.Sc (Technical Informatics), Leibniz Universität Hannover

    2015 - 2018
    B.Sc (Technical Informatics), Leibniz Universität Hannover

Publications

  • René Sass, Eddie Bergman, André Biedenkapp, Frank Hutter, Marius Lindauer (2022): DeepCAVE: An Interactive Analysis Tool for Automated Machine LearningICML Workshop on Adaptive Experimental Design and Active Learning in the Real World (ReALML)
    arXiv: 2206.03493
  • Marius Lindauer, Katharina Eggensperger, Matthias Feurer, André Biedenkapp, Difan Deng, Carolin Benjamins, Tim Ruhkopf, René Sass, Frank Hutter (2022): SMAC3: A Versatile Bayesian Optimization Package for Hyperparameter OptimizationJournal of Machine Learning Research (JMLR) -- MLOSS, Vol. 23, No. 54, pp. 1-9 Weitere Informationen
  • Katharina Eggensperger, Philipp Müller, Neeratyoy Mallik, Matthias Feurer, René Sass, Aaron Klein, Noor Awad, Marius Lindauer, Frank Hutter (2021): HPOBench: A Collection of Reproducible Multi-Fidelity Benchmark Problems for HPOProceedings of the international conference on Neural Information Processing Systems (NeurIPS) (Datasets and Benchmarks Track)
    arXiv: 2109.06716

Projects

  • CoyPu: Cognitive Economy Intelligence Plattform für die Resilienz wirtschaftlicher Ökosysteme
    Naturkatastrophen, Pandemien, Finanzkrisen, politische Krisen und Angebotsknappeheiten oder Nachfrageschocks propagieren sich durch offensichtliche und latente Handelsbeziehungen durch das globale ökonomische System. Dies ist eine Konsequenz der kontinuierlichen Globalisierung mit der einhergehenden Arbeitsteilung. Ziel dieses Projektes ist es diese Verbindungen offenzulegen und kaskadierende Risiken vorherzusagen um damit Unternehmen die Möglichkeit einzuräumen vorausschauend agieren zu können.
    Leitung: Prof. Marius Lindauer and Prof. Maria Esther-Vidal (L3S/LUH)
    Team: InfAI, DATEV eg., eccenca GmbH, Implisense GmbH, Deutsches Institut für Wirtschaftsforschung, Leibniz Informationszentrum Technik und Naturwissenschaften, Hamburger Informatik Technologie-Center e.V., Selbstregulierung Informationswirtschaft e.V., Infineo
    Jahr: 2021
    Förderung: Innovationswettbewerb Künstliche Intelligenz (BMWK)
    Laufzeit: 2021-2024