Das Buzzword “Big Data” bezeichnet umgangssprachlich große Datenmengen aber auch eine Industrie, welche aus diesen Daten mit Hilfe der Datenanalyse Wert schöpft. Big Data wird typischerweise neben ihrer Größe durch vier weitere Charakteristiken ausgezeichnet: ihrer Variabilität, dem stetigen und massiven Zuwachs an neuen Daten, potenziell schlechter Datenqualität und ihrer Komplexität.
Methoden aus der Statistik und des maschinellen Lernens ermöglichen es computergestützt Modelle von Sachverhalten zu erzeugen und zu verifizieren. Neue Erkenntnisse können so durch die automatisierte Auswertung dieser Daten gewonnen werden. Global-Players wie Google und Facebook nutzen diese Techniken beispielsweise um Werbung zielgerichtet zu platzieren und somit den Werbeerlös zu maximieren. Die Techniken sind jedoch auch in der Wissenschaft vielseitig einsetzbar, stellen jedoch einen Paradigmenwechsel in der wissenschaftlichen Arbeitsweise dar.
Im Projekt wird eine Einführung zu Big Data gegeben und dann aktuelle wissenschaftliche Fragestellungen vorgestellt. Anschließend werden über das Semester hinweg, die Aufgaben selbständig in Kleingruppen bearbeitet.
Diese Aufgaben umfassen u.A.
Das exakte Thema als auch der Anteil aus Programmiertätigkeit, Theorie und Evaluation kann gemeinsam mit den Betreuern nach Wunsch der Teilnehmer gestaltet werden.
Beachten Sie auch unsere allgemeinen organisatorischen Hinweise zu Projekten.
Das Seminar eignet sich für Studierende im Bachelorstudiengängen mit Bezug zur Informatik sowie Masterstudiengängen. Interessierte Zuhörer sind auch herzlich willkommen.
Die Themenliste ist nicht vollständig. Gerne gehen wir auf Eure Vorschläge ein.
Teilnehmer: Alexander Spikofsky, Sara Yüksel
Teilnehmer: Nina Arndt, Melanie Budde, Ariana Sliwa
Betreuer: Julian Kunkel
Teilnehmer: Raffael Diestel, Maike Schubert
Teilnehmer: Marcel Steger, Jan Zickermann
Betreuer: Tobias Finn, Julian Kunkel
Teilnehmer: Eike Knopp, Minh Hieu Nguyen
Betreuer: Andrej Fast, Heinrich Widmann, Julian Kunkel
Teilnehmer: Nele Lips, Dominik Scherer
Betreuer: Jakob Lüttgau, Julian Kunkel
Teilnehmer: Friedrich Braun, Valentin Krön, Steven Buyten
Betreuer: Julian Kunkel, Eugen Betke
Teilnehmer: Felicitas Castrian, Paul Offner, Merlin Sewina
Betreuer: Julian Kunkel, Andrej Fast
Teilnehmer: Tobias Machnitzki, Finn Burgemeister
Betreuer: Julian Kunkel, Tobias Finn
Diese Arbeit beschäftigt sich damit ein neuronales Netzwerk einzusetzen, welches nicht nur zur Erkennung von Mustern dient, sondern versucht die 2 m-Temperatur-Prognose eines Klimamodells hinreichend genau zu approximieren. Das Ziel ist es zu zeigen, wozu selbst einfachste neuronale Netzwerke in der Lage sind, verglichen mit einem sehr komplexen gekoppelten Klimamodell.
Als Vorgehensweise werden wir uns monatlich zu einem Status-Update treffen. Gerne können Arbeiten in der Vorlesungsfreien Zeit abgeschlossen werden. Ansonsten können individuelle Termine mit den Betreuern vereinbart werden.