Stuttgart Region
Ich bin Masterstudent an der Universität Stuttgart mit dem Schwerpunkt Intelligente Systeme und werde mein Studium im März 2026 abschließen. Meine Forschungsinteressen liegen an der Schnittstelle zwischen Deep Reinforcement Learning und Large Language Models. Mein bisheriger Weg wurde während meines Aufenthalts an der University of Adelaide durch das Baden-Württemberg-Stipendium unterstützt und durch industrielle Forschung bei der Porsche AG vertieft. Aktuell suche ich aktiv nach PhD-Stellen für Ende 2026 mit einem Fokus auf Machine Learning und Reinforcement Learning. Mein Ziel ist es, einen Beitrag zur erstklassigen Forschungsgemeinschaft (ICML, ICLR, NeurIPS) zu leisten, indem ich robuste sowie datengesteuerte Lösungen für komplexe und hochdimensionale Systeme entwickle. HomePage: https://tareqkomboz.github.io/ Meine Interessengebiete sind: • Reinforcement Learning: PPO, SAC, DQN, MCTS, DynaQ+, Policy Gradients, Bandits, (PO)MDPs • Deep Learning Architekturen: Transformers (LLMs), Diffusion Models, GANs, Autoencoders, CNNs, RNNs, GNNs • Programmierung: Python, PyTorch, TensorFlow, JAX, CUDA, Hugging Face, Scikit-learn, Pandas, NumPy • Sprachen: Deutsch (Muttersprache), Englisch (C1/Flüssig)
Confirming broad misalignment from narrow poisoning on Qwen3.5-4B using parameter-efficient finetuning (LoRA) Testing existing defenses (circuit breakers, standard safety fine-tuning) and new data-level antidotes
Automatisierte Testfallgenerierung aus Anforderungsspezifikationen für Hardwareprüfstände mittels Large Language Models
Titel - Deep Learning for Anomaly Detection in Vehicle Control Units Zu den wichtigsten Beiträgen gehören der Aufbau einer Datenpipeline, die Anpassung und das Testen der beiden bestehenden Deep-Learning-Architekturen LogBERT und LogLLM sowie die Bewertung der Leistung auf einem realen Datensatz aus der Dr. Ing. h.c. F. Porsche AG und den beiden Open-Source-Datensätzen BGL und Thunderbird. Unsere Erkenntnisse betonen die entscheidende Rolle skalierbarer Modelle und hochwertiger Daten bei der Anwendung von Deep Learning für industrielle Anomalieerkennung.
Ich war in der datengetriebenen Entwicklung für Verifikation und Validierung bei EVD2 mit Timo Maise als Betreuer tätig. Meine Hauptaufgabe war die Korrelationsanalyse von Beanstandungen und Steuerg- erätefehlern im vollelektrischen Macan die sich durch Warnicons und Warnmeldungen äußern. Ich habe mit kontinuierlichen Messdateien aus Gesamterprobungsfahrten und Fahrzeugdauerläufen gearbeitet. Darüber hinaus war ich für die Konzeptionierung, Ausarbeitung und Durchführung eines “Data Science Workshops” für Porsche Talente verantwortlich.
Wir haben mit dem Al-Fintech-Startup-Prototyp VectisFinance den Business Model Award gewonnen. Im Rahmen dieses sechswöchigen Programms haben wir an unserem Team und unserer Vision, der Markt- und Kundenanalyse, dem Prototyping und der Entwicklung eines MVP, der Erstellung eines Geschäftsmodells und dem Pitching gearbeitet. VectisGPT ist ein auf GPT-4 basierendes System zur Optimierung der Hypothekenfinanzierung durch Automatisierung des digitalen Antragsprozesses. Das Tool berechnet anhand der Benutzerdaten eine maximale Kreditwürdigkeit und erleichtert dann die Vermittlung an ein Bankennetzwerk auf der Grundlage des gewünschten Kreditbetrags und der monatlichen Zahlungen.
Institut für Visualisierung und Interaktive Systeme, Lehrveranstaltung: Datenstrukturen und Algorithmen - Testen und Überarbeiten von Programmcode - Betreuung von 60 Studierenden - Planung und Durchführung von zwei wöchentlichen Übungsgruppen - Besprechung und Vertiefung des aktuellen Vorlesungsinhaltes
Institut für Formale Methoden der Informatik - Lehrveranstaltung: Theoretische Informatik - Korrektur und Besprechung von Übungsblättern - Betreuung von 60 Studierenden - Planung und Durchführung von zwei wöchentlichen Übungsgruppen - Besprechung und Vertiefung des aktuellen Vorlesungsinhaltes