{"id":686,"date":"2016-04-03T14:14:06","date_gmt":"2016-04-03T12:14:06","guid":{"rendered":"https:\/\/www.kde.cs.uni-kassel.de\/?page_id=686"},"modified":"2016-04-03T14:15:32","modified_gmt":"2016-04-03T12:15:32","slug":"arbeiten","status":"publish","type":"page","link":"https:\/\/www.kde.cs.uni-kassel.de\/en\/lehre\/ss2015\/arbeiten","title":{"rendered":"Bachelor-, Diplom- und Masterarbeiten"},"content":{"rendered":"

Themen<\/span><\/p>\n

Soziale Lesezeichensysteme erlauben das einfache, zentrale Speichern von Bookmarks\/Lesezeichen auf einem Server und stellen einen Bereich der neuen Web 2.0 System dar. Sie bieten daher nicht nur f\u00fcr den menschlichen Nutzer einen Mehrwert durch die zentrale Verf\u00fcgbarkeit der Lesezeichen oder die M\u00f6glichkeit in solchen Systemen nach anderen interessanten Webseiten zu suchen, sondern stellen auch einen interessanten Ansatz zur sehr einfachen Wissenrepresentation dar. BibSonomy, welches vom Fachgebiert entwickelt wurde, erlaub nicht nur das Speichern von Bookmarks, sondern auch von Literaturreferenzen. Viele moderne Techniken kommen bereits in BibSonomy zum Einsatz und neue sollen in Form von Bachelor-, Diplom- und Masterarbeiten erarbeitet und h\u00e4ufig auch in BibSonomy integriert werden.<\/p>\n

\"bibsonomy.jpg\"<\/a><\/div>\n

Viele Aufgabenstellungen besch\u00e4ftigen sich daher mit der Implementierung verschiedener Komponenten des BibSonomy-Systems<\/span><\/u><\/a> oder mit der Analyse der in einem solchen System vorhanden Daten. Ziel ist es im allgemeinen die Nutzbarkeit des System durch Dienste mit Mehrwert zu erh\u00f6hen. Dar\u00fcber hinaus, werden weitere Themen angeboten, die in der Regel einen inhaltlichen Bezug zu aktuellen Forschungsprojekten des Fachgebiets Wissensverarbeitung haben, beispielsweise im Kontext des VENUS<\/span><\/u><\/a> Projekts mit Integration von RFID und sozialen Netzwerken.<\/p>\n

Die Themenstellung erfolgt in Absprache mit dem Studierenden; der Umfang der Arbeit richtet sich nach dem jeweils angestrebten Anschluss.<\/p>\n

Zu folgenden Themengebieten k\u00f6nnen wir Arbeiten anbieten; zu konkreten Themen k\u00f6nnen die jeweiligen Betreuer genauere Auskunft geben.<\/p>\n

(M<\/span> = methodischer Schwerpunkt, T<\/span> = technischer Schwerpunkt)<\/p>\n

Vergleich von Anomaly Detection-Verfahren T,M<\/strong><\/span><\/p>\n

Anomaly Detection bezeichnet das Finden von Mustern in Daten, die stark von der gew\u00f6hnlichen Verteilung abweichen. In der Literatur werden verschiedene Verfahren beschrieben, mit denen diese Ausrei\u00dfer erkannt werden k\u00f6nnen.<\/p>\n

Am Anfang des Projekts steht eine Literatur-Recherche, um geeignete Verfahren f\u00fcr die Anomaly Detection zu identifizieren. Anschlie\u00dfend sollen einige Verfahren ausgew\u00e4hlt und exemplarisch an einem Beispieldatensatz evaluiert werden.<\/p>\n

Informationen: Andreas Schmidt<\/span><\/u><\/a><\/p>\n

Big Data-Frameworks f\u00fcr Data Mining T,M<\/strong><\/span><\/p>\n

Charakteristische Eigenschaften von Big Data sind u.a. ein gro\u00dfes Datenvolumen und eine hohe Geschwindigkeit mit der neue Daten entstehen. Dies stellt besondere Herausforderungen an die Data Mining-Algorithmen, da beispielsweise bei der Modellbildung nicht alle Daten im Speicher gehalten werden k\u00f6nnen. Erste Machine Learning-Frameworks wie Apache Mahout l\u00f6sen dieses Problem nur bedingt, da das Map Reduce-Programmiermodell nicht f\u00fcr iterative Algorithmen ausgelegt ist. Es entstehen jedoch immer mehr Big Data-Frameworks, die sich dieser Herausforderung annehmen.<\/p>\n

Am Anfang des Projekts soll eine \u00dcbersicht existierender Big Data-Frameworks f\u00fcr Data Mining erstellt werden. Anschlie\u00dfend werden mehrere Frameworks ausgew\u00e4hlt und ein Analyse-Workflow mit den gew\u00e4hlten Frameworks umgesetzt. Ziel des Projektes ist es Vor- und Nachteile der Frameworks zu vergleichen sowie Best Practices herauszuarbeiten.<\/p>\n

Informationen: Andreas Schmidt<\/span><\/u><\/a><\/p>\n

Auswertung der RFID-Daten und ihrer Qualit\u00e4t T,M<\/strong><\/span><\/p>\n

Die vom SocioPatterns Konsortium entwickelte RFID-Technologie erm\u00f6glicht die Lokalisierung von Menschen sowie die Bereitstellung von Informationen \u00fcber deren soziale Kontakte. Die Daten sind aber nicht immer vollst\u00e4ndig. Dies kann mehrere Gr\u00fcnde haben: Distanz zum RFID-Reader, hohe Luftfeuchtigkeit, etc.<\/p>\n

Ziel dieser Arbeit ist die Auswertung der vorliegenden RFID-Daten anhand gegebener Fotos (wo soziale Interaktionen aufgezeichnet sind) und eine qualitative Bewertung der mittels RFID aufgezeichneten Kontakte.<\/p>\n

Informationen: Mark Kibanov<\/span><\/u><\/a><\/p>\n

Conferator-Infrastrukturaufbau durch Einsatz von Mini-Computern T<\/strong><\/span><\/p>\n

Conferator ist ein soziales System zur Unterst\u00fctzung von Konferenzen, insbesondere der Planung sowie Verbesserung sozialer Interaktionen. Conferator nutzt aktive RFID Tags (entwickelt vom SocioPatterns Konsortium) um Konferenzteilnehmer zu lokalisieren und Informationen zu deren Konferenzkontakte bereitzustellen. Die RFID-Reader und ein zentraler Server m\u00fcssen immer vor Ort installiert werden um ein Conferator-Einsatz zu erm\u00f6glichen.<\/p>\n

Ziel dieser Arbeit ist die Untersuchung und gegebenfalls technische Umsetzung einer verteilten L\u00f6sung bestehend aus mehreren Mini-Computern (z.\u00a0B. Raspberry Pi oder Arduino).<\/p>\n

Informationen: Mark Kibanov<\/span><\/u><\/a><\/p>\n

Nameling API\u00a0T<\/strong><\/span><\/p>\n

Nameling<\/span><\/u><\/a> ist eine Suchmaschine, f\u00fcr die sehr pers\u00f6nliche Aufgabe der Findung eines Babynamens. Zur leichteren Anbindung externer wie interner Dienste soll die Plattform um eine dokumentierte API erweitert werden. Sie soll dazu dienen, die Verschiedenen Ressourcen und Funktionen von Nameling<\/span><\/u><\/a> anzufragen.<\/p>\n

Die Aufgabe besteht somit aus den folgenden Unterpunkten:<\/p>\n