Michael Neuhold
Ich bin ( Tage :)) Jahre alt und bin momentan im Maturajahrgang der HTBL Kapfenberg und studiere bereits seit der 3. Klasse Oberstufe Software Engineering and Management auf der TU Graz als außerordentlicher Student. (mehr zu meiner Ausbildung)
Derzeit arbeite ich als Teaching Assistant an der TU Graz und habe bereits mehrere Praktika im IT-Sektor absolviert. (mehr zu meiner beruflichen Erfahrung)
Ich bin begeisterter AgeGroup Triathlet und bin bereits mehrfacher steirischer Meister im Triathlon und im Crosslauf in meiner Altersklasse. Zusätzlich habe ich mich nun für die Europa- und Weltmeisterschaft auf der Olympischen Distanz 2026 in Spanien qualifiziert. (mehr zu meiner sportlichen Laufbahn) (mehr zu meinen persönlichen Rekorden)
Aufgrund meiner großen Leidenschaft für den Triathlonsport fließt hier sehr viel Geld für Verpfelgung, mehrfach jährlich neue Laufschuhe und alle paar Jahre ein neues Renn- bzw TT-Rad.
Wenn Interesse an einem Sponsoring besteht, finden Sieh hier meine Sponsormappe für weitere Informationen. Sponsormappe (PDF anzeigen)
Ausbildung
TU Graz - Software Engineering and Management Bachelor und Master
Bachelor Studium als außerordentlicher Student an der Technischen Universität Graz.
Nebenbei bereits Lehrveranstaltungen für den Master im gleichnamigen Masterstudium mit Major in Machine Learning und Minor in Business Informatics.
Abstract of Bachelor Thesis
Compact prediction learning is a training principle that encourages neural networks to reuse a small number of latent representations while maintaining task performance. This bachelor thesis investigates whether such compactness constraints lead to structured and reusable internal representations in neural networks.
The approach is evaluated on a set of synthetic binary prediction tasks and synthetic linear prediction tasks as well as on a convolutional neural network trained on a pairwise MNIST comparison task. Compactness is enforced by an additional loss term applied to the latent representations. The compactness objective is defined as:
$$E = \sum_{k \neq l} \Bigl( 1 + \log \sum_i (\lvert g_i(x^{(k)}) - g_i(x^{(l)}) \rvert) \Bigr).$$
The results show that for simple synthetic tasks, compact prediction learning leads to highly structured and low-dimensional latent spaces that reflect task-relevant structure. In contrast, for the convolutional setting, the compact objective causes a strong collapse of the latent space, removing most digit-specific information and reducing classification accuracy.
These findings indicate that compact prediction learning acts as a strong inductive bias that enforces minimal, task-aligned representations, but may limit information retention in more complex perceptual tasks.
Abstract of Master Thesis
Not quite there yet ;) (summer semester 2027)
HTBL Kapfenberg - Mechatronik
Höhere Technische Bundeslehranstalt mit Schwerpunkt Mechatronik.
Abstract of Diploma Thesis
This diploma thesis addresses the limited evaluation of battery charging processes in AVL Drive 5, where previously only a few parameters were considered. To over- come this limitation, the existing Python-based analysis was extended to support both AC and DC charging sessions and to automatically calculate a broad range of key performance indicators. The implemented solution standardizes input data, detects charging events, and generates comprehensive results that are directly integrated into AVL Drive 5 and its database. As a result, charging analyses are now more complete, accurate, and immediately available to engineers without additional manual effort. The outcome is an efficient and scalable framework that significantly enhances benchmarking capabilities and provides a solid foundation for future extensions in charging analysis.
Arbeits-Erfahrung
2025
Teilzeit - Teaching Assistant an der TU Graz
Betreuung und Bewertung von Studenten sowie Erstellung von Aufgaben in den Lehrveranstaltungen über Einführung ins C-Programmierung (Introduction in structured Programming), Einführung in Machine Learning (Computer Methods for Statistics) und Datenstrukturen und Algorithmen.
Praktikum - Software Engineer bei AVL List GmbH
Erweiterung einer Python-basierten Fahrzeugdatenanalyse im Rahmen der Diplomarbeit.
2024
Geringfühgig - Teaching Assistant an der TU Graz
Betreuung und Bewertung von Studenten sowie Erstellung von Aufgaben in der Lehrveranstaltung über Einführung ins C-Programmierung (Einführung in die strukturierte Programmierung).
Praktikum - PLC Engineer bei EPI Energietechnik
Programmierung einer Phoenix-Steuerung für ein neues Projekt für intelligente Stromnetze.
2023
Praktikum - Software Engineer bei Andritz AG
Erprobung eines neuen VR-Systems für virtuelle Begehung von Anlagen. Erweiterung eines interaktiven 3D Viewers mittels JavaScript.
2022
Tutor an der HTBL Kapfenberg
Nachhilfe in Informatik, Mathematik, Mechanik und Elektrotechnik.
Projekte & Fähigkeiten
2023
Fähigkeiten
Programmierung
C++, Java, Python, C, SQL, JavaScript, Scala, Machine Learning, Deep Learning
Technologien & Tools
LaTeX, Git, Linux, Office 365, Web Development, SolidWorks
Sprachen
Deutsch (Muttersprache), Englisch (B2/C1), Französisch (A1)
Sport
Erfolge
Qualifikation für Age-Group EM und WM 2026
AG 20-24, stay tuned für Ergebnisse
Steirischer Olympischer Triathlonmeister Junioren (U18) 2025
Olympische Distanz - Oberland Triathlon
Steirischer Crosslaufmeister Junioren (U18)
3.8km - Crosslauf Frohnleiten
2025
70.3 Triathlon Porec 5. Platz AG 18-24 + 55. Gesamtplatz
19.10.2025
Beste Radzeit in AG 18.24
erste Mitteldistanz
Olympischer Triathlon Podersdorf 2. Platz Junioren (U20) + 4. Gesamtplatz
times
Sieger Supersprint Triathlon Röthlstein M Allg. + 2. Gesamtplatz
times
Sieger Olympischer Triathlon Fürstenfeld Junioren (U20)
times
Sieger Olympischer Triathlon Oberland Junioren (U20)
Qualifiziert für EM und WM 2026
Sieger Olympischer Triathlon Knittelfeld Junioren (U20)
times
2024
Sieger Olympischer Triathlon Knittelfeld Jugend (U18)
times
Persönliche Bestzeiten & Leistungen
Triathlon - Olympische Distanz
2:14, 28:06 Schwimmen, 63:10 Radfahren, 39:30 Laufen (Strava Einheit Schwimmen, Strava Einheit Radfahren, Strava Einheit Laufen)
Laufen - 10 km
36:22, 3:38min/km (Strava Einheit TODO)
Laufen - 5 km
17:21, 3:28min/km (Strava Einheit)
Schwimmen - 1000 m
16:00, 1:35 min/100m (Strava Einheit)
Rad - 1h Leistung
250W, 3.97W/kg (im Triathlon) (Strava Einheit)
Rad - 20min Leistung
269W, 4.33W/kg (Strava Einheit TODO)