Datenanalyse und Visualisierung Prof. Dr. Daniel A. Keim

Seminar Visual Data Mining

Kursinformationen

Dieser Kurs im LSF! Letztes Update: 21. Nov 2009 -- 8:00

Hyperlink

http://www.informatik.uni-konstanz.de/arbeitsgruppen/infovis/lehre/

Dozenten

Prof. Dr. Daniel Keim

Termine

16:00 -

18:00

D 247

wöchentlich

Lehrplan

Information Engineering, BSc
Information Engineering, MSc

Kurstyp

Seminar

Sprache

englisch

Voraussetzungen

Pflichtveranstaltungen aus dem Grundstudium Information Engineering

Leistung

SWS: 2
Credits: 4

Leistungsnachweis:

Mündlicher Vortrag und Erstellung einer Hausarbeit zu einem ausgewählten Thema des Seminars

Prüfung

Anmeldebeginn: 19.10.2009
Anmeldeende: 16.11.2009
Rücktritt bis: 29.01.2010
Prüfer: Prof. Dr. Daniel Keim

Teilnehmer

Erwartet: 20
Maximal: 30

Kommentar

Diskussion aktueller Forschungsergebnisse in der visuellen Datenexploration

Bemerkung

Jede/r Teilnehmer/in erhält ein individuelles Thema und hält zu definierten Zeitpunkten Rücksprache mit seinem/seiner Bertreuer/in. Während der ersten Termine werden die folgenden Themen behandelt:
*Recherche, Bewertung und Erarbeitung von Fachliteratur
*Vorbereitung und Durchführung eines wissenschaftlichen Vortrags
*Wissenschaftliches Schreiben

Zu den übrigen Präsenzterminen finden die Vorträge der Teilnehmer/innen statt, an die sich jeweils eine Diskussion über Form und Inhalt anschließt.

Originalliteratur; wird im Kurs bekannt gegeben.

Kursinformationen

Termine

Montags, 16.00-17.30 Uhr (16.00, nicht 16.15! ) Raum: D247 Erster Termin: Montag, 19. Oktober 2009

Adressaten

Die Veranstaltung gehört zum Bachelor- und Master-Studiengang "Information Engineering". Themengebiete: Angewandte Informatik, Informatik der Systeme. ECTS-Punkte: 4.

Voraussetzungen

Kursbeschreibung: Nach neuesten Schätzungen verdoppelt sich die Menge an Information, die weltweit vorhanden ist, alle 20 Monate. Die Automatisierung fast aller Vorgänge in Wirtschaft, Wissenschaft und Verwaltung verursacht ständig ansteigende Datenmengen, da selbst einfache Vorgänge wie das Bezahlen mit Kreditkarte oder das Telefonieren durch Computer erfasst werden und in der Summe Milliarden von Transaktionen entstehen. Wegen der Menge der Daten wird es immer schwieriger, die interessanten Daten, sog. hot spots, zu finden. Heute verfügbare Datenbanksysteme und ihre Anfragesprachen ermöglichen zwar ein schnelles Auffinden von exakt spezifizierten Daten, sind in den meisten Fällen aber ungeeignet, um die Suche nach interessanten Daten, den sog. 'data mining'-Prozess, zu unterstützen. Die Daten werden gesammelt da sie wertvolle Informationen enthalten die einen Wettbewerbsvorteil bieten können. Schwerpunkt des Seminars ist die Analyse großer Datenmengen, um einen Einblick in die Struktur der Daten zu bekommen, Erkenntnisse aus den Daten zu ziehen, sowie mit den Daten zu interagieren.

Lehrmethoden

Es wird für das Seminar eine Liste von wissenschaftlichen Veröffentlichungen zur Verfügung gestellt, aus denen sich Studenten das Thema des Seminarvortrags auswählen können. Selbstverständlich können Sie auch ein eigenes geeignetes interessantes Thema vorschlagen. Die Themenvergabe erfolgt im Seminar am 26. Oktober 2009. Verspätete Interessenten die noch einsteigen wollen wenden sich bitte direkt via email an den Assistenten -> Milos Krstajic. Jeder Teilnehmer hält ein ca. 25-30 minütiges Referat zu seinem Thema mit anschließender ca. 10-minütiger Diskussion. Jeder Teilnehmer muß spätestens eine Woche vor dem Vortragstermin mit seinem Betreuer den bis zu diesem Zeipunkt fertigen Vortrag durchsprechen. Zudem ist bis zum 28.02.2010 eine eigenständige schriftliche Ausarbeitung (Hausarbeit, max 12 Seiten) im Springer LNCS Format erforderlich ( http://www.springer.com/computer/lncs?SGWID=0-164-7-72376-0 ), in der sich der Referent mit dem Thema wissenschaftlich auseinander setzt. In diesem Seminar werden des weiteren die Studenten, die am Lehrstuhl von Prof. Keim ihre Bachelor- und Masterarbeiten schreiben, Ihre Arbeiten vorstellen.

Organisatorisches

Vortragstermine:

Datum

1. Vortrag

2. Vortrag

3. Vortrag

Sonstiges

19.10.2009

Vorbesprechung

26.10.2009

Themenvergabe

How to give a good presentation

Michael Regenscheit (B)

02.11.2009

No seminar

09.11.2009

Patric Schmid

16.11.2009

No seminar

23.11.2009

No seminar

07.12.2009

Christian Albrecht

14.12.2009

No seminar

11.01.2010

Timo Göbel

18.01.2010

Stefan Moritz Koch

(S) = Seminarvortrag, (B) = Vortrag über Bachelorarbeit, (M) = Vortrag über Masterarbeit
(A) = Mitarbeitervortrag, (D) = Dissertationsvortrag, (P) = Praktikumsvortrag.

Literatur

Leistungsnachweis

Die Benotung setzt sich zusammen aus der Bewertung des Vortrags, der Bewertung einer schriftlichen Zusammenfassung (Hausarbeit, max. 12 Seiten), sowie der aktiven mündlichen Teilnahme während der wöchentlichen Seminartermine. Teilnehmer, die an einem wöchentlichen Termin verhindert sind, melden sich bitte via email beim Assistenten ab.

Arbeitsgruppen

Home Mitglieder LehreInformationsmanagement Multimedia database systems Data Mining: Foundations Seminar Visual Data Mining Development of High Resolution Applications for the Powerwall Computational Methods for Document Analysis Bachelor-Projekt Data Mining und Visualisierung Master Project Visual Exploration of Large Data Forschungsseminar Data Mining & Informationsvisualisierung Vorherige SemesterPublikationen Aktuelle Forschungsprojekte Abgeschlossene Projekte Konferenzen und Workshops Steinbeis-Kompetenzzentrum Powerwall Research Center CAVIS Research Initiative CALD DFG SPP Scalable Visual Analytics EU Projekt VisMaster Offene Stellen

Schnellzugriff

Mit einem Klick zur Information! Wählen Sie hier aus den Top-Ten der Inhaltsthemen Ihr Interessengebiet aus.

Interessensgebiet