Institut für Programmstrukturen und Datenorganisation

Terminkalender

ABBRECHEN || neuen Vortrag anmelden | Vorträge durchsuchen
Monat zurück | Vorträge dieser Monat | Monat vor


Fr, 07.07.2017 Frau Rosina-Teodora Kazakova (Proposal) ID: 100314
Relevance-Driven Feature Engineering
Betreuer: Edouard Fouché
Kurzfassung:
Failure classification is challenging in predictive maintenance scenarios, since large data volumes are being generated continuously in modern factories. This thesis builds a classification model to detect faulty engines in BMW manufactures. In the first part of the work, we will focus on predicting engines deficiency status (binary classification problem). In the second part, we will extend our analysis to a multi class classification problem by predicting the exact failure kind. To some extent, this setting is similar to microarray analysis: Very high dimensional data with very few instances available. This thesis develops a relevance-driven Feature Engineering framework. We will study the integration of feature relevance evaluation in the construction process of new features and define our own criteria to determine the feature subsets relevance. These criteria will be integrated in the Feature Engineering process to accelerate it by pruning the search space, without significantly degrading the data quality.
Passwort:  
 
Herr Daniel Popovic (Proposal) ID: 100315
High-Dimensional Neural-Based Outlier Detection
Betreuer: Edouard Fouché
Kurzfassung:
Outlier detection in high-dimensional spaces is a challenging task because of consequences of the curse of dimensionality. Neural networks have recently gained in popularity for a wide range of applications due to the availability of computational power and large training data sets. Several studies examine the application of different neural network models, such an autoencoder, self-organising maps and restricted Boltzmann machines, for outlier detection in mainly low-dimensional data sets. In this diploma thesis we will investigate if these neural network models can scale to high-dimensional spaces, we will adapt the neural network-based algorithms to the task of high-dimensional outlier detection, we will examine data-driven parameter selection strategies for these algorithms and develop suitable outlier score metrics for these models.
Passwort:  
 
Herr Felix Hofmann (Bachelorthesis) ID: 100316
Constraint-bartie, iterative Workflowentwicklung mti Methoden der Prozessgenerierung am Beispiel einer Studienplanung
Betreuerin: Jutta Mülle
Kurzfassung:
Mit Einführung der Modulhandbücher am KIT gibt es für alle Lehrveranstaltungen vorab verbindliche Beschreibungen in einheitlicher Form an einem Ort. Durch die Fülle an Informationen und Abhängigkeiten von und zwischen Veranstaltungen gestaltet es sich für Studenten dennoch schwierig einen Studienplan zu erstellen oder zu verifizieren. In dieser Arbeit wird ein Werkzeug entwickelt, das einen sinnvollen und vor allem gültigen Studienplan auf Grundlage des bisherigen Studiums und der Vorlieben eines Studenten generiert. Die Struktur und die internen Zusammenhänge des, in den Modulhandbüchern definierten, Lehrangebots sowie die Regeln der Prüfungsordnungen des KIT und die Workflow-basierte Struktur eines Studienplans legen eine Constraint-basierte Modellierung nahe, die es ermöglicht auf Methoden und Definitionen aus dem Bereich der Workflowentwicklung zurückzugreifen. Das im Rahmen dieser Arbeit entwickelte System zur iterativen Generierung eines Studienplans wird in Form einer Software implementiert und durch diese evaluiert.
Passwort:  

Fr, 14.07.2017 Herr Felix Eurich (Bachelorthesis) ID: 100302
Automatisiertes Erkennen und Erlernen neuer Programmabläufe im Kontext natürlichsprachlicher Beschreibungen von Algorithmen
Betreuer: Alexander Wachtel
Kurzfassung:
TBD
Passwort:  
 
Herr Christopher Hermann (Bachelorthesis) ID: 100308
Empirische Ableitung eines statistischen Modells zur Aufwandsplanung
Betreuerin: Anne Koziolek
Kurzfassung:
wird nachgeliefert
Passwort:  
 
Herr Antonino Simone Di Stefano (Masterthesis) ID: 100319
Lexical Substitution with Word Embeddings: A General Approach to Improve Short Text Classification
Betreuer: Martin Schäler
Kurzfassung:
TBD
Passwort:  

Fr, 21.07.2017 Herr Jonathan Bechtle (Studienarbeit) ID: 100317
Qualität der Suche nach Kontrastreichen Teilräumen in Datenströmen mit Fehlenden Werten
Betreuer: Georg Steinbuß
Kurzfassung:
wird nachgeliefert
Passwort: