Dieses Projekt l\u00e4sst sich als Bachelor- und als Masterprojekt anrechnen.<\/p>\n\n\n\n
Das Fachgebiet Wissensverarbeitung forscht an der Entwicklung von Methoden zur Wissensentdeckung und Wissensrepr\u00e4sentation (Approximation und Exploration von Wissen, Ordnungsstrukturen in Wissen, Ontologieentwicklung) in Daten als auch in der Analyse von (sozialen) Netzwerkdaten und damit verbundenen Wissensprozessen (Metriken in Netzwerken, Anomalieerkennung, Charakterisierung von sozialen Netzwerken). Dabei liegt ein Schwerpunkt auf der exakten algebraischen Modellierung der verwendeten Strukturen und auf der Evaluierung und Neuentwicklung von Netzwerkma\u00dfen. Neben der Erforschung von Grundlagen in den Gebieten Ordnungs- und Verbandstheorie, Beschreibungslogiken, Graphentheorie und Ontologie werden auch Anwendungen \u2013 bspw. in sozialen Medien sowie in der Szientometrie \u2013 erforscht. <\/p>\n\n\n\n
In diesem Umfeld bietet das Fachgebiet regelm\u00e4\u00dfig eine Reihe von Projektthemen an. Die einzelnen Themen sind im Folgenden beschrieben:<\/p>\n\n\n
Bei OpenStreetMap (OSM) handelt es sich um ein freies Projekt, dessen Ziel es ist, frei nutzbare Geodaten zu sammeln, zu strukturieren und f\u00fcr die Nutzung durch jedermann mittels einer (semantischen) Datenbank zur Verf\u00fcgung zu stellen. Die Daten in OSM werden insbesondere durch eine Vielzahl von Tags [1] angereichert. Diese Tags k\u00f6nnen wiederum genutzt werden, um Orte oder Gebiete zu bechreiben. Im Projekt soll daher versucht werden, f\u00fcr gegebene Orte automatisch eine Beschreibung mittels Tags zu generieren. F\u00fcr das Projekt soll eine Demonstrationsapplikation entwickelt werden, in Clojure oder Python3, welche es erlaubt, gegebene Orte automatisch anhand ihrer Beschreibung aus OSM zu vergleichen. Im Rahmen einer Abschlussarbeit kann darauf aufbauend ein ontologisches Rahmenwerk f\u00fcr diese Art von Ortsvergleichen angefangen werden.
\n[1] https:\/\/wiki.openstreetmap.org\/wiki\/Tags<\/p>\n\n\n\n
Informationen: Tom Hanika<\/a><\/p>\n<\/div> Kategorien:<\/span> Allgemein<\/a>, Bachelorarbeit<\/a>, Masterarbeit<\/a>, Methodischer Schwerpunkt<\/a>, Technischer Schwerpunkt<\/a><\/span><\/div> Eine gro\u00dfe Herausforderung in der KI-Forschung ist es, kausale Zusammenh\u00e4nge aus gelernten Modellen zu extrahieren. Die Formale Begriffsanalyse bietet daf\u00fcr eine umfangreiche Palette an Werkzeugen, insbesondere die menschlich-nachvollziehbare Extraktion von H\u00fcllenoperatoren und H\u00fcllensystemen aus Daten. Ein interessanter Ansatz, dies f\u00fcr Kausale-KI zu nutzen, sind kausale H\u00fcllenoperatoren, welche in diesem Projekt oder dieser Arbeit untersucht werden sollen. Dabei liegt f\u00fcr das Projekt der Schwerpunkt in einer effizienten Implementierung eines `Causal Closure Operators` aus der Literatur in Clojure oder Python3. Bei einer Abschlussarbeit liegt der Fokus auf einem Vergleich dieses Operators mit statistischen Ans\u00e4tzen zu Kausalit\u00e4t in Daten.<\/p>\n<\/p>\n\n\n\n Informationen: Tom Hanika<\/a><\/p>\n<\/div> Kategorien:<\/span> Allgemein<\/a>, Bachelorarbeit<\/a>, Masterarbeit<\/a>, Methodischer Schwerpunkt<\/a>, Technischer Schwerpunkt<\/a><\/span><\/div> Das WikiCite-Projekt [1] versucht, basierend auf der Infrastruktur von WikiData [2], (wissenschaftliche) Publikationen und deren jeweilige Zitationen abzubilden. Bis dato hat das Projekt 40 Mio. Publikationen und ca. 300 Mio Zitationen verlinkt. Ziel dieses Bachelor-\/Master-Projektes bzw. einer m\u00f6glichen Abschlussarbeit ist es, diese Daten hinsichtlich sozialer Netzwerkstrukturen zu analysieren.<\/p>\n [1] http:\/\/wikicite.org\/<\/p>\n [2] https:\/\/www.wikidata.org\/<\/p>\n<\/p>\n\n\n\n Informationen: Tom Hanika<\/a><\/p>\n<\/div> Kategorien:<\/span> Allgemein<\/a>, Bachelorarbeit<\/a>, Masterarbeit<\/a>, Methodischer Schwerpunkt<\/a>, Technischer Schwerpunkt<\/a><\/span><\/div> Topic-Modelle erm\u00f6glichen es, gro\u00dfe Text-Corpora thematisch zu clustern und so besser zu verstehen. Dabei ist es besonders interessant zu messen, wie stark verschiedene Themencluster andere \u00fcber die Zeit beeinflusst haben. In `Research Topic Flows in Co-Authorship Networks` [1] haben die Autoren einen Vorschlag zur Messung dieses Einflusses gemacht, dessen Ergebnisse demn\u00e4chst auf einer Website (basierend auf Vue.js) interaktiv explorierbar sind. Im vorliegenden Projekt soll diese Pr\u00e4sentation der Ergebnisse erweitert werden. Genauer sollen thematische Beitr\u00e4ge einzelner Autoren aus dem Gesamtmodell berechnet und grafisch visualisiert werden. Die Implementation soll ebenso mittels Vue.js stattfinden.<\/p>\n [1] https:\/\/arxiv.org\/pdf\/2206.07980.pdf<\/p><\/p>\n\n\n\n Informationen: Tom Hanika<\/a><\/p>\n<\/div> Kategorien:<\/span> Allgemein<\/a>, Methodischer Schwerpunkt<\/a>, Technischer Schwerpunkt<\/a><\/span><\/div> In dieser Arbeit soll untersucht werden, wie hoch die intrinsische Dimension von Datens\u00e4tzen ist, welche mit verschiedenen Knoteneinbettungsverfahren aus Graphen erstellt wurden.<\/p>\n\n\n\n Informationen: Maximilian Stubbemann<\/a><\/p>\n<\/div> Kategorien:<\/span> Allgemein<\/a>, Bachelorarbeit<\/a>, Masterarbeit<\/a>, Methodischer Schwerpunkt<\/a><\/span><\/div> Es gibt mehrere Ma\u00dfe, um die intrinsische Dimension von Datens\u00e4tzen abzusch\u00e4tzen. In dieser Arbeit soll untersucht werden, inwieweit diese Ma\u00dfe stabil gegen\u00fcber “kleinen” Manipulationen\/Fehler in den Datens\u00e4tzen sind.<\/p>\n\n\n\n Informationen: Maximilian Stubbemann<\/a><\/p>\n<\/div> Kategorien:<\/span> Bachelorarbeit<\/a>, Masterarbeit<\/a><\/span><\/div> Ziel dieser Arbeit ist es, zu evaluieren, welche “weichen” Kriterien f\u00fcr Graphzeichnungen in der Praxis wie stark mit als “sch\u00f6n” wahrgenommenen Zeichnungen korellieren. Au\u00dferdem soll untersucht werden, inwieweit die “wichtigen” Kriterien sich beim Zeichnen von Graphen und Ordnungsdiagrammen unterscheiden.<\/p>\n\n\n\n Informationen: Maximilian Stubbemann<\/a><\/p>\n<\/div> Kategorien:<\/span> Allgemein<\/a>, Masterarbeit<\/a>, Technischer Schwerpunkt<\/a><\/span><\/div> Ziel dieses Projektes ist es, Verfahren zur Einbettung von Gegenst\u00e4nden und Objekten in formalen Kontexten zu recherchieren und f\u00fcr conexp-clj<\/a> zu implementieren.<\/p>\n\n\n\n Informationen: Maximilian Stubbemann<\/a><\/p>\n<\/div> Kategorien:<\/span> Allgemein<\/a>, Methodischer Schwerpunkt<\/a>, Technischer Schwerpunkt<\/a><\/span><\/div> Es ist nicht einfach zu erkennen, ob zwei (reduzierte) Formale Kontexte isomorph sind, bzw. gegeben eine Menge Formaler Kontexte zu erkennen, wie viele verschiedene Formale Kontexte dort enthalten sind. Ein Hilfsmittel sind Invarianten, also abgeleitete Gr\u00f6\u00dfen, die nicht von der konkreten Darstellung des Formalen Kontexts abh\u00e4ngen, beispielsweise die Anzahl der Attribute des Kontexts oder auch die Anzahl der Begriffe des Kontexts. Haben zwei Kontexte unterschiedliche Werte f\u00fcr eine Invariante, so sind die Kontexte nicht isomorph. Ziel ist es, Formale Kontexte hinsichtlich m\u00f6glicher Invarianten zu untersuchen. Formale Kontexte k\u00f6nnen als bipartite Graphen dargestellt werden, daher sollen insbesondere bekannte Graph-Invarianten in Betracht gezogen werden.<\/p>\n\n\n\n Informationen: Maximilian Felde<\/a><\/p>\n<\/div> Kategorien:<\/span> Allgemein<\/a>, Bachelorarbeit<\/a>, Masterarbeit<\/a>, Methodischer Schwerpunkt<\/a><\/span><\/div> Begriffliches Skalieren ist eine Methode der Formalen Begriffsanalyse, um einen mehrwertigen Kontext (d.h. einen tabellarischen Datensatz) in einen (einwertigen) formalen Kontext zu \u00fcberf\u00fchren. Dazu wurde am Fachgebiet eine Anwendung entwickelt, die grundlegende Funktionalit\u00e4t zum Begrifflichen Skalieren bereitstellt. Ziel des Projekts ist es, diese Anwendung weiterzuentwickeln. Die Programmiersprache ist Clojurescript.<\/p>\n\n\n\n Informationen: Maximilian Felde<\/a><\/p>\n<\/div> Kategorien:<\/span> Allgemein<\/a>, Technischer Schwerpunkt<\/a><\/span><\/div> In dieser Arbeit sollen verschiedene Einbettungsverfahren f\u00fcr Netzwerke dahingehend untersucht werden, inwiefern Eigenschaften wie “N\u00e4he” im Ko-Autorengraphen mit der N\u00e4he in der Einbettung korrespondiert. Bei welchen Verfahren werden Nachbarn “nahe” eingebettet? Korrespondiert die Pfadl\u00e4nge von Knoten im Graphen zu ihrem Abstand im Graphen? Als weiterer Schritt kann hier untersucht werden, ob ein Klassifikator aus einem Graphen und einer Einbettung entscheiden kann, mit welchem Verfahren der Graph eingebettet wurde.<\/p>\n\n\n\n Informationen: Maximilian Stubbemann<\/a><\/p>\n<\/div> Kategorien:<\/span> Allgemein<\/a>, Bachelorarbeit<\/a>, Masterarbeit<\/a>, Methodischer Schwerpunkt<\/a>, Technischer Schwerpunkt<\/a><\/span><\/div> Ziel dieser Arbeit ist es, mittels verschiedener Datenquellen Datens\u00e4tze \u00fcber die”Landschaft” der KI-Forschenden zu erstellen und zu vergleichen. Dabei sollen auf der einen Seite bibliometrische Indikatoren herangezogen werden als auch die resultierenden Ko-Autoren mit Hilfe der sozialen Netzwerkanalyse untersucht werden.<\/p>\n\n\n\n Informationen: Maximilian Stubbemann<\/a><\/p>\n<\/div> Kategorien:<\/span> Bachelorarbeit<\/a>, Methodischer Schwerpunkt<\/a>, Technischer Schwerpunkt<\/a><\/span><\/div> Bei der Klassifikation in Graphen ist es \u00fcblich, mittels Graph Neuronalen Netzen (GNNs) die Struktur des Graphen zu nutzen, um die Klassifikation von Knoten zu verbessern. Ziel dieser Arbeit ist es, diesen Ansatz auf die Formale Begriffsanalyse zu \u00fcbertragen, indem die “Faltungsoperation” anhand von Konzepten durchgef\u00fchrt wird. Vergleichen Sie dieses Verfahren mit anderen Verfahren, die neuronale Netze basierend auf Begriffsverb\u00e4nden nutzen!<\/p>\n\n\n\n Informationen: Maximilian Stubbemann<\/a><\/p>\n<\/div> Kategorien:<\/span> Bachelorarbeit<\/a>, Masterarbeit<\/a><\/span><\/div> Viele der gegenw\u00e4rtig genutzten Lernmodelle zur Klassifikation erzeugen sogenannte Blackbox-Funktionen\/Relationen, z.B. Random Forests oder Neuronale Netze. Diese entziehen sich einer direkten Erkl\u00e4rbarkeit und sind daher f\u00fcr Nutzer:innen schwer nachvollzieh- und \u00fcberpr\u00fcfbar. Es gibt verschiedene numerische \/ kategorische\/ statistische Ans\u00e4tze, um diesem Problem zu begegnen. Ein besonderer Ansatz ist Surrogatlernen, d.h., das Trainieren eines erkl\u00e4rbaren Klassifikators basierend auf einer Blackbox. Je nach Ausrichtung (Projekt\/Bachelorarbeit\/Masterarbeit) soll versucht werden, bestehende Surrogat-Ans\u00e4tze praktisch zu evaluieren oder theoretische Ans\u00e4tze fortzusetzen. <\/p>\n\n\n\n Informationen: Tom Hanika<\/a><\/p>\n<\/div> Kategorien:<\/span> Allgemein<\/a>, Bachelorarbeit<\/a>, Masterarbeit<\/a>, Methodischer Schwerpunkt<\/a><\/span><\/div> Am Fachgebiet Wissensverarbeitung wird zur Zeit an thematischen Trajektorien von wissenschaftlichen Konferenzen und Journalen geforscht. Um automatisiert Themen zu erkennen haben sich sogenannte Topic Models bew\u00e4hrt. In unserer Forschung wurde daf\u00fcr bisher die Nonnegative Matrix Factorization (NMF) verwendet, welche statische Themen berechnet. In dieser Arbeit soll mindestens ein dynamisches Verfahren, bei dem sich Themen \u00fcber die Zeit \u00e4ndern (z.Bsp. D-LDA), auf seine Tauglichkeit \u00fcberpr\u00fcft werden. Das Verfahren soll auf die vorhandenen Forschungsdatens\u00e4tze und ggf. Daten aus anderen Dom\u00e4nen angewandt und mit Hilfe von G\u00fctema\u00dfen verglichen werden.<\/p>\n\n\n\n Informationen: Bastian Sch\u00e4fermeier<\/a><\/p>\n<\/div> Kategorien:<\/span> Allgemein<\/a>, Bachelorarbeit<\/a>, Methodischer Schwerpunkt<\/a>, Technischer Schwerpunkt<\/a><\/span><\/div> Die Berechnung von Implikationsbasen in Formalen Kontexten (bin\u00e4ren Datentabellen) basiert auf einem co-NP schweren Problem. Um dennoch Wissen in Form von Implikationen zu extrahieren, wurden verschiedene Ma\u00dfe f\u00fcr `interessante` Regeln und deren Berechnung gefunden. Da auch deren Berechnung bei wachsenden Datens\u00e4tzen einer kombinatorischen Explosion gegen\u00fcbersteht, ist eine hohe Parallelisierung mittels GPU-Hardware notwendig. In `GPU-Accelerated Parameter Optimization for Classification Rule Learning` schlagen die Autoren eine Variante von “beam-search” auf GPUs vor, die in dem vorliegenden Projekt untersucht, implementiert und auf Formale Kontexte angewendet werden soll. <\/p>\n\n\n\n Informationen: Tom Hanika<\/a><\/p>\n<\/div> Kategorien:<\/span> Allgemein<\/a>, Bachelorarbeit<\/a>, Technischer Schwerpunkt<\/a><\/span><\/div> Ein Problem f\u00fcr Algorithmen der Formalen Begriffsanalyse ist die Gr\u00f6\u00dfe der Daten. In dieser Arbeit sollen verschiedene Techniken zur Gr\u00f6\u00dfenreduktion oder Kompression zusammengetragen und gegen\u00fcbergestellt werden. Dabei soll insbesondere auf den Informationsverlust in einem geeigneten Formalismus eingegangen werden.<\/p>\n\n\n\n Informationen: Johannes Hirth<\/a><\/p>\n<\/div> Kategorien:<\/span> Allgemein<\/a>, Bachelorarbeit<\/a>, Methodischer Schwerpunkt<\/a>, Technischer Schwerpunkt<\/a><\/span><\/div> In dieser Arbeit geht es um die Bearbeitung der Challange des Graph Drawing Contests 2020 (http:\/\/mozart.diei.unipg.it\/gdcontest\/contest2020\/challenge.html). Hierbei soll ein Algorithmus entwickelt werden, der aufw\u00e4rts-gerichtete Zeichnungen von azyklischen Graphen generiert. Dabei sollen die Anzahl der Kreuzungen in der generierten Zeichnung minimiert werden.<\/p>\n\n\n\n Informationen: Dominik D\u00fcrrschnabel<\/a><\/p>\n<\/div> Kategorien:<\/span> Allgemein<\/a>, Methodischer Schwerpunkt<\/a><\/span><\/div> In der Arbeit https:\/\/www.cs.colostate.edu\/~rmm\/linModDecomp.pdf wird beschrieben, wie Graphen einer bestimmten Graphenklasse in Linearzeit in Module zerlegt werden k\u00f6nnen. Diese Module k\u00f6nnen dazu genutzt werden, diesen Graphen, ebenfalls in Linearzeit, transitiv zu orientieren. In der Projektarbeit erkl\u00e4ren und beweisen Sie den daraus entstehenden Algorithmus mithilfe von weiteren, selbst ausgew\u00e4hlten Ver\u00f6ffentlichungen.<\/p>\n\n\n\n Informationen: Dominik D\u00fcrrschnabel<\/a><\/p>\n<\/div> Kategorien:<\/span> Allgemein<\/a>, Methodischer Schwerpunkt<\/a><\/span><\/div> F\u00fcr die Bewertung der Wichtigkeit von Berggipfeln gibt es das Prominenz und das Dominanz-Ma\u00df. Diese Ma\u00dfe wurden in https:\/\/link.springer.com\/chapter\/10.1007\/978-3-030-03667-6_24 auf Netzwerke \u00fcbertragen. In dieser Arbeit geht es darum, diese Ma\u00dfe im Bezug auf Stra\u00dfen-Netzwerke zu untersuchen. Beispielsweise kann \u00fcberpr\u00fcft werden, ob die Anfrage-Zeiten des Contraction hierarchies Algorithmus (https:\/\/en.wikipedia.org\/wiki\/Contraction_hierarchies) durch diese Ma\u00dfe verbessert werden k\u00f6nnen.<\/p>\n\n\n\n Informationen: Dominik D\u00fcrrschnabel<\/a><\/p>\n<\/div> Kategorien:<\/span> Bachelorarbeit<\/a>, Masterarbeit<\/a>, Methodischer Schwerpunkt<\/a><\/span><\/div> Zur Evaluierung von Embeddingmodellen f\u00fcr Netzwerke ist es g\u00e4ngige Praxis, zu bewerten, inwiefern die generierten Vektorrepr\u00e4sentierungen zum Erraten von vergessenen\/zuk\u00fcnftigen Kanten genutzt werden. Das g\u00e4ngige Experimentiersetup legt hierbei jedoch meistens eine ausbalancierte Klassifizierungsaufgabe zu Grunde. In dieser Arbeit soll die Aufgabe als “Suche der Nadel im Heuhaufen” betrachtet werden: Wenige zu findende tats\u00e4chliche Kanten sollen aus einer deutlich gr\u00f6\u00dferen Menge von “negativen Kanten” gefunden werden.<\/p>\n\n\n\n Informationen: Maximilian Stubbemann<\/a><\/p>\n<\/div> Kategorien:<\/span> Bachelorarbeit<\/a>, Methodischer Schwerpunkt<\/a>, Technischer Schwerpunkt<\/a><\/span><\/div> Principal Component Analysis dient dazu, Datens\u00e4tze zu vereinfachen. Hierbei wird eine gro\u00dfe Menge an (m\u00f6glicherweise) korrelierten Variablen in eine m\u00f6glichst aussagekr\u00e4ftige kleinere Menge transformiert. Dieses Vorgehen soll auf formale Kontexte \u00fcbertragen werden, um ihre Merkmalsmenge einzuschr\u00e4nken.<\/p>\n\n\n\n Informationen: Maren Koyda<\/a><\/p>\n<\/div> Kategorien:<\/span> Allgemein<\/a>, Bachelorarbeit<\/a>, Masterarbeit<\/a>, Methodischer Schwerpunkt<\/a>, Technischer Schwerpunkt<\/a><\/span><\/div> Es gibt eine Vielzahl von Ma\u00dfen zur Identifikation von interessanten formalen Begriffen in Begriffsverb\u00e4nden. Diese besitzen wiederum sehr verschiedene Eigenschaften wie zum Beispiel Monotonie. Dieser Arbeit besteht aus dem Zusammentragen und der Erstellung einer begriffliche Ordnung aller bekannten Ma\u00dfe. <\/p>\n\n\n\n Informationen: Tom Hanika<\/a><\/p>\n<\/div> Kategorien:<\/span> Bachelorarbeit<\/a>, Methodischer Schwerpunkt<\/a>, Technischer Schwerpunkt<\/a><\/span><\/div> Die zentrale Fragestellung dieser Arbeit \nist die Verbindung zwischen dichtebasiertem Clustering und der Formalen \nBegriffsanalyse (FBA). Inwiefern k\u00f6nnen Ideen und Methoden des \ndichtebasiertem Clustering auf FBA \u00fcbertragen werden?<\/p>\n\n\n\n Informationen: Gerd Stumme<\/a><\/p>\n<\/div> Kategorien:<\/span> Bachelorarbeit<\/a>, Methodischer Schwerpunkt<\/a>, Technischer Schwerpunkt<\/a><\/span><\/div><\/div>\n\n\n\n Weitere Themen auf Nachfrage.<\/p>\n\n\n\n Nach Absprache mit der\/dem jeweiligen Betreuer*in. Je nach Thema kann die Aufgabe in Kleingruppen oder einzeln bearbeitet werden.<\/p>\n\n\n\n Montag, 20.04.2020, 16.15 Uhr in Raum 0445\/E. Bei Interesse k\u00f6nnen Sie auch gerne vorab die\/den jeweiligen Betreuer*in ansprechen.<\/p>\n\n\n\n Informatik Grundstudium<\/p>\n\n\n\n Informatik Bachelor und Master, Math. NF Inf. Hauptstudium<\/p>\n\n\n\n 6 oder 12 Credits im Bachelor, bzw. 8 Credits im Master<\/p>\n\n\n\n Implementierung, schriftliche Ausarbeitung und zwei Vortr\u00e4ge (bei 6 Credits 20 min, bei 8\/12 Credits 30 min, jeweils zzgl. ca 15 min Diskussion)<\/p>\n\n\n\n Dr. Tom Hanika<\/a>, Dominik D\u00fcrrschnabel, M.Sc.<\/a>, Maximilian Felde, M.Sc.<\/a>, Maren Koyda, M.Sc.<\/a>, Bastian Sch\u00e4fermeier, M.Sc.<\/a>, Maximilian Stubbemann, M.Sc.<\/a> <\/p>\n\n\n\n In der Regel sollte die Projektarbeit mit Semesterbeginn begonnen werden. Nach 4-6 Wochen findet eine Zwischenpr\u00e4sentation statt, in der der Stand der Projektarbeit vorgestellt wird. In der Regel in der ersten Vorlesungswoche des folgenden Semesters werden dann die Endergebnisse vorgestellt. Eine kurze Beschreibung der Arbeit (5 Seiten) ist 3 Tage vor dem Vortrag einzureichen.<\/p>\n\n\n\n Eine Woche nach der Annahme des Themas gibt die\/der Studierende eine einseitige Beschreibung der Aufgabe, sowie einen Arbeitsplan f\u00fcr das Semester ab. Zur besseren Koordination und Kommunikation wird erwartet, dass die\/der Studierende bei einem 6(8-12) Credits-Projekt regelm\u00e4\u00dfig an einem (zwei) Tagen in der Softwarewerkstatt anwesend ist. Der genaue Tag ist in Absprache mit der\/m Betreuer*in festzulegen.<\/p>\n\n\n\n Als Richtlinie f\u00fcr die Erstellung einer guten Ausarbeitung wird das Buch<\/p>\n\n\n\n Markus Deininger and Horst Lichter and Jochen Ludewig and Kurt Schneider. Studien-Arbeiten: ein Leitfaden zur Vorbereitung, Durchf\u00fchrung und Betreuung von Studien-, Diplom- Abschluss- und Doktorarbeiten am Beispiel Informatik. 5. Auflage. vdf Hochschulverlag, Z\u00fcrich, 2005.<\/p><\/blockquote>\n\n\n\n empfohlen, welches in der Bibliothek im Semesterapparat des Fachgebiets Wissensverarbeitung ausliegt, und welches auch in einigen Exemplaren ausleihbar ist. Wir empfehlen die Anschaffung dieses Buchs (9,50 \u20ac), da es Sie bis zur Masterarbeit (und weiter) begleiten kann.<\/p>\n\n\n\n Alle verwendeten Referenzen sind zus\u00e4tzlich zum Literaturverzeichnis der Ausarbeitung in BibSonomy<\/a> einzugeben, mit den Tags “projekt kde < laufendes Semester in der Form ss20 bzw. ww20 > ” und weiteren sinnvollen Tags.<\/p>\n","protected":false},"excerpt":{"rendered":" Projekt Knowledge Discovery and Data Engineering Dieses Projekt l\u00e4sst sich als Bachelor- und als Masterprojekt anrechnen. Das Fachgebiet Wissensverarbeitung forscht an der Entwicklung von Methoden zur Wissensentdeckung und Wissensrepr\u00e4sentation (Approximation und Exploration von Wissen, Ordnungsstrukturen Read more…<\/a><\/p>\n","protected":false},"author":15,"featured_media":0,"parent":6698,"menu_order":14,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"class_list":["post-6708","page","type-page","status-publish","hentry"],"translation":{"provider":"WPGlobus","version":"3.0.2","language":"en","enabled_languages":["de","en"],"languages":{"de":{"title":true,"content":true,"excerpt":false},"en":{"title":false,"content":false,"excerpt":false}}},"_links":{"self":[{"href":"https:\/\/www.kde.cs.uni-kassel.de\/en\/wp-json\/wp\/v2\/pages\/6708","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.kde.cs.uni-kassel.de\/en\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/www.kde.cs.uni-kassel.de\/en\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/www.kde.cs.uni-kassel.de\/en\/wp-json\/wp\/v2\/users\/15"}],"replies":[{"embeddable":true,"href":"https:\/\/www.kde.cs.uni-kassel.de\/en\/wp-json\/wp\/v2\/comments?post=6708"}],"version-history":[{"count":14,"href":"https:\/\/www.kde.cs.uni-kassel.de\/en\/wp-json\/wp\/v2\/pages\/6708\/revisions"}],"predecessor-version":[{"id":7351,"href":"https:\/\/www.kde.cs.uni-kassel.de\/en\/wp-json\/wp\/v2\/pages\/6708\/revisions\/7351"}],"up":[{"embeddable":true,"href":"https:\/\/www.kde.cs.uni-kassel.de\/en\/wp-json\/wp\/v2\/pages\/6698"}],"wp:attachment":[{"href":"https:\/\/www.kde.cs.uni-kassel.de\/en\/wp-json\/wp\/v2\/media?parent=6708"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}Causal AI — Implementing Causal Closure Operators<\/h3>\n\n\n\n
Analyse von WikiCite<\/h3>\n\n\n\n
Topic Flow-Graphen f\u00fcr Textdaten visualisieren<\/h3>\n\n\n\n
Intrinsische Dimension und Knoteneinbettungen<\/h3>\n\n\n\n
Stabilit\u00e4t der intrinsischen Dimension<\/h3>\n\n\n\n
Evaluierung von Graphzeichnungen<\/h3>\n\n\n\n
Einbettungsverfahren f\u00fcr Formale Kontexte<\/h3>\n\n\n\n
Invarianten f\u00fcr Formale Kontexte<\/h3>\n\n\n\n
Begriffliches Skalieren von Datens\u00e4tzen<\/h3>\n\n\n\n
Eigenschaften von Knoteneinbettungen<\/h3>\n\n\n\n
Vergleich von bibliometrischen Datens\u00e4tzen<\/h3>\n\n\n\n
Concept Neural Networks<\/h3>\n\n\n\n
Erkl\u00e4rbarkeit von Klassifikatoren durch Surrogate<\/h3>\n\n\n\n
Thematische Trajektorien mit Dynamischen Topic Models<\/h3>\n\n\n\n
FCA RuleMining mittels GPU<\/h3>\n\n\n\n
Reduktionstechniken in der Formalen Begriffsanalyse<\/h3>\n\n\n\n
Kreuzungsminimierung in Zeichnungen von aufw\u00e4rtsgerichteten Graphen<\/h3>\n\n\n\n
Linear-Zeit Transitive Orientierung von Vergleichbarkeitsgraphen<\/h3>\n\n\n\n
Prominenz und Dominanz in Stra\u00dfen-Netzwerken<\/h3>\n\n\n\n
Link Prediction als Suche der Nadel im Heuhaufen<\/h3>\n\n\n\n
PCA auf formalen Kontexten <\/h3>\n\n\n\n
Begriffsverband der Ma\u00dfe <\/h3>\n\n\n\n
Dichtebasiertes Clustering und FBA <\/h3>\n\n\n\n
Aufgabenstellung und Termin<\/h3>\n\n\n\n
Projektvorbesprechung<\/h3>\n\n\n\n
Vorkenntnisse<\/h3>\n\n\n\n
Angesprochener H\u00f6rer*innenkreis<\/h3>\n\n\n\n
Umfang<\/h3>\n\n\n\n
Leistungsnachweis<\/h3>\n\n\n\n
Veranstalter*in<\/h3>\n\n\n\n
Ablauf<\/h3>\n\n\n\n