Maximilian Nagl ist seit 2018 Wissenschaftlicher Mitarbeiter am Lehrstuhl für Statistik und Risikomanagement der Universität Regensburg. Zuvor beendete er in Regensburg ein Bachelor- und Masterstudium der Betriebswirtschaftslehre. Seine Aufgaben als Dozent umfassen zum einen das Abhalten von Übungen zu den Themen „Data Science & Machine Learning“ sowie „Applied Data Science“ zum anderen ist er auch für die Betreuung von Abschlussarbeiten zuständig. In der Forschung befasst er sich schwerpunktmäßig mit der Anwendung der Bayesianischen Statistik, Machine Learning im Risikomanagement und der Beurteilung von Kreditrisikos.
Lehrstuhl für Statistik und Risikomanagement
Ich bin seit Mai 2018 am Lehrstuhl für Statistik und Risikomanagement von Herrn Prof. Rösch beschäftigt. Mein Schwerpunkt liegt vor allem auf der Quantifizierung von Kreditrisiken.
Meine Lehrtätigkeit umfasst Übungen für die Kurse „Applied Data Science“ und „Data Science & Machine Learning“. Zudem betreue ich Bachelorarbeiten, Masterseminare und Masterarbeiten rund um das Thema Machine Learning & Kreditrisikomanagement.
In den von mir betreuten Übungen behandeln wir alle gängigen, aber auch fortgeschrittenen Methoden des Machine Learnings. In „Applied Data Science“ besprechen wir sowohl supervised als auch unsupervised Methoden. In “Data Science & Machine Learning” nehmen künstliche neuronale Netzen einen großen Teil der Veranstaltung ein.
Wir besprechen die Methoden sowohl theoretisch, um den Studierenden eine ausreichende Grundlage zu vermitteln, aber auch praktisch. Die Programmierung in Python ist einer der zentralen Bestandteile in beiden Veranstaltungen und wird auch durch Fallstudien vertieft. Ein Vorwissen aus unseren Grundlagenveranstaltungen ist hier in jedem Fall hilfreich.
Die Studierenden eignen sich ein breites theoretisches Verständnis der Methoden an und können dieses auf reale Problemstellungen anwenden. Auch die praktische Implementierung in Python ist eine weitere wichtige Fachkompetenz.
Ich denke das das Thema KI uns in den nächsten Jahrzehnten begleiten und Studierende sollten sich so früh wie möglich damit beschäftigen.
Aktuell arbeite ich an einer Kombination aus neuronale Netzen und klassischen fortgeschrittenen Methoden. Die Kombination aus beiden „Welten“ könnte vielversprechende Ergebnisse liefern.
Aktuell arbeite ich mit Kollegen an einer Möglichkeit hoch komplexe Methoden bei der Bewertung von Finanzderivaten durch künstliche neuronale Netze zu ersetzen. Dies soll zum einen die Geschwindigkeit bei der Bewertung verbessern, aber auch robustere Ergebnisse liefern.
Mein erster Kontakt entstand im Rahmen meiner Forschungstätigkeit und wurde vor allem durch den Austausch mit Kollegen vertieft.
Ich finde diesen Bereich extrem spannend. Vor allem kann man Problem/Lösungen aus der klassischen Statistik übernehmen bzw. lösen.
Das faszinierendste ist sind die fast unerschöpflichen Einsatzmöglichkeiten in allen Lebensbereichen.
Leider arbeite ich aktuell an keinem fachübergreifenden Projekt mit.
Ich hoffe das diese Methoden auch in anderen Kursen verwendet werden. Hier ist vor allem wichtig die Studierenden für die Möglichkeiten zu sensibilisieren.
Ich freue mich, dass es eine fächerübergreifende Plattform zum Austausch mit Kollegen gibt und bin gespannt welche Projekte sich daraus ergeben.
Nein.
Herr Nagl, vielen Dank dass Sie sich Zeit genommen haben, uns diese Fragen zu beantworten. Wir wünschen Ihnen noch einen schönen Tag!
Herr Nagl, vielen Dank dass Sie sich Zeit genommen haben, uns diese Fragen zu beantworten. Wir wünschen Ihnen noch einen schönen Tag!