Hasso-Plattner-Institut
 

20.09.2016

News

Big-Data-Experten diskutieren Einsatzgebiete und Methoden von Machine Learning

Wie können uns große Datenmengen dabei helfen, neues Wissen zu generieren? Das war eine der zentralen Fragen der LWDA-Fachtagung (Lernen. Wissen. Daten. Analysen.), zu der sich 150 Informatik-Wissenschaftler vom 12. bis 14. September am Hasso-Plattner-Institut (HPI) austauschten. 

Wie kann man aus großen Datenmengen lernen? Das diskutierten Big-Data-Experten aus Universitäten, Forschungsinstitutionen und Unternehmen am HPI. (Foto: HPI)

Die Fachtagung LWDA (Lernen. Wissen. Daten. Analysen.) widmete sich dem Thema "Big Data and Beyond". Experten aus Universitäten, Forschungsinstitutionen und Unternehmen diskutierten Methoden zur Datenanalyse. "Die Datenmengen heute sind zu groß und komplex, als dass der Mensch darin überhaupt noch Muster erkennen könnte", erläuterte HPI-Professor Emmanuel Müller, dessen Fachgebiet die Tagung mitorganisiert hat. Mithilfe von Machine-Learning-Techniken sollen intelligente Algorithmen daher den Menschen zukünftig bei der Entscheidungsfindung in diversen Anwendungsgebieten unterstützen. 

Im Rahmen der Veranstaltung präsentierten erfahrene und Nachwuchs-Wissenschaftler neue Forschungsergebnisse, Trends, Technologien und Anwendungen. Die Bandbreite der Einsatzmöglichkeiten solcher Analysen sind vielfältig: Neben sechs Hauptrednern aus Wissenschaft und Industrie standen über 80 wissenschaftliche Beiträge auf der Tagesordnung. Professor Manfred Stede von der Universität Potsdam erläuterte, wie man Argumente in natürlicher Sprache analysiert. Die Spielwiese des maschinellen Lernens bei dem Internetversandhändler Amazon präsentierte Dr. Cédric Archambeau. Der Vortrag von Professor Dorothea Wagner (Karlsruher Institut für Technologie) widmete sich der Analyse von komplexen Netzwerken. Den Nutzen von Machine Learning für intelligente Algorithmen und intelligente Firmen aus Sicht des Softwarekonzenrs SAP zeigte Dr. Sebastian Wieczorek. Professor Ulf Leser von der Berliner Humboldt-Universität präsentierte neue Herausforderungen und Methoden im Bereich der Textanalyse biomedizinischer Daten.