Advanced Techniques for Visual Analytics of Highdimensional Data (Wintersemester 2021/2022)

Lecturer: Prof. Dr. Jürgen Döllner (Computergrafische Systeme) , Dr. Rico Richter (Computergrafische Systeme) , Dr. Benjamin Hagedorn (Computergrafische Systeme) , Dr. Jan Klimke (Computergrafische Systeme)

General Information

• Weekly Hours: 4
• Credits: 6
• Graded: yes
• Enrolment Deadline: 01.10.2021 - 22.10.2021
• Teaching Form: Seminar / Project
• Enrolment Type: Compulsory Elective Module
• Course Language: German
• Maximum number of participants: 15

Programs, Module Groups & Modules

Description

Hochdimensionale Daten entstehen beispielsweise bei der Analyse von Softwaresystemen, bei der Vermessung von technischen Anlagen und Produktionsprozessen oder bei der 3D-Erfassung von Oberflächen und Objekten. Insbesondere die Größe und Komplexität der Daten verhindert die unmittelbare Interpretation dieser Daten und die Ableitung von Informationen.

Gegenstand dieses Seminars sind die Erarbeitung und die softwaretechnische Umsetzung von ausgewählten Verfahren zur Visualisierung und Analyse hochdimensionaler Daten. Mit Hilfe von selbst implementierten Algorithmen zur Datenverarbeitung sowie geeigneten Visualisierungs- und Interaktionstechniken sollen themenbezogene Fragestellungen beantwortet werden. Mögliche Themen und Anwendungsbereiche sind:

• Deep Learning für das Clustering von 3D-Daten (z.B. 3D-Punktwolken)
• Analyse von Infrastrukturdaten (z.B. Mobile-Mapping von Straßennetzen)
• Analyse von technischen Anlagen und Produktionsprozessen (z.B. für Predictive Maintenance)
• Ereigniserkennung in Gebäudeautomationsdaten
• Visual Analytics für Finanztransaktionsdaten
• Web-basierte Visualisierung und Service-basierte Infrastrukturen
• 3D-Erfassung mit iPad/iPhone

Requirements

Projektabhängig sind Kenntnisse der objektorientierten Software-Entwicklung, der webbasierten Programmierung (JavaScript, Node.js), der Grundlagen der Computergrafik, der Visualisierung (OpenGL, GLSL und WebGL) und/oder einer Skriptsprache zur Datenverarbeitung (z.B. R oder Python) von Vorteil.

Literature

Zu jedem Thema gibt es neben den über das Internet frei zugänglichen Informationen eine Reihe aktueller Fachartikel, die bei der Themenvergabe mit ausgegeben werden. Die weitere Recherche von themenspezifischer Literatur ist Teil der Bearbeitung.

Learning

Forschungsnahe Projektarbeit mit individueller Betreuung durch Mitarbeiter des Fachgebiets.

Examination

Die Leistungspunkte werden erreicht, wenn die Studierenden:

• über das Themengebiet, die Problemstellung und den geplanten Ansatz einen Einführungsvortrag abhalten,

• erfolgreich ein dem Thema entsprechendes Projekt planen und durchführen (50%),

• erfolgreich die Grundlagen und Ergebnisse der Seminararbeit in einer schriftlichen Ausarbeitung (4-5 Seiten) zusammenfassen (25%),

• über das Arbeitspaket bzw. einen ausgewählten Aspekt erfolgreich einen Abschlussvortrag (25%) halten.

Dates

Auftaktveranstaltung und Präsentationen werden in Präsenz durchgeführt soweit die zum jeweiligen Zeitpunkt gültigen Regelungen und Verordnungen dies zulassen. Hierfür werden Termine in Absprache mit den Teilnehmenden festgelegt.

Der erste Termin des Seminars zur Einführung und Themenvorstellung findet am Mittwoch, den 27.10. um 9:15 Uhr in Präsenz im Seminarraum A-1.2 und zusätzlich parallel als virtuelles Zoom-Meeting (Zugangsdaten im Moodle) statt. 

Für den weiteren Verlauf des Seminars werden individuelle Treffen mit den Betreuern vereinbart.

Informationen zum Seminarablauf und Seminarthemen werden zudem im Moodle zur Verfügung gestellt.

Zurück