Hasso-Plattner-Institut
  
Hasso-Plattner-Institut
Prof. Dr. Emmanuel Müller
  
 

Lehrveranstaltungen im Überblick

In unseren Vorlesungen werden grundlegende Kenntnisse im Bereich der Datenanalyse vermittelt.  Solche Techniken zur Analyse großer Datenbestände stoßen bei Anwendern auf großes Interesse. Das Spektrum an Anwendungen ist breit und umfasst sowohl wirtschaftliche als auch wissenschaftliche Datenbestände. In beiden Bereichen besteht der Wunsch aus sehr großen Datenbeständen interessante Zusammenhänge zu extrahieren. In unseren Lehrveranstaltungen geht es sowohl um die Aufbereitung von großen Datenbeständen als Voraussetzung für eine schnelle und leistungsfähige Analyse als auch um moderne Data Mining Techniken für die Analyse an sich.

  • Bachelor-Veranstaltungen:
    In unseren Lehrveranstaltungen "Big Data Analytics" und "Big Data Analytics Lab" werden anhand von aktuellen Anwendungen die grundlegenden Data Mining Problemstellungen aufgezeigt.

  • Master-Veranstaltungen:
    Im Sommer planen wir zwei fortgeschrittene Vorlesungen: Die Vorlesungen werden fortgeschrittene Data Mining Paradigmen für komplexe Datenbestände (ab Sommer 2017) und Datenstrukturen für den Effizienten Datenzugriff in großen Datenbanken (ab Sommer 2016) beinhalten. 
    Im Winter 2016/17 planen wir eine fortgeschrittene Vorlesung "Graph Mining": Diese Vorlesung wird Data Mining Techniken insbesondere für große und komplexe Graphen beinhalten (z.B. für Soziale Netzwerke, Protein-Interaktion Netzwerke, und andere Netzwerktypen).

  • Projekte:
    Darüber hinaus werden Bachelor- und Master-Projekte nach dem INTEGER Lehrkonzept angeboten werden. Diese werden praktische Problemstellungen aus der Industrie und aus interdisziplinären Forschungskooperationen beinhalten. 

  • Abschlussarbeiten: 
    Wir bieten zahlreiche wissenschaftliche Fragestellungen als Bachelor-/Master-Arbeiten an. In jeder Arbeit wird eine neue Data Mining Methode entwickelt, welche eine neue Problemstellung aus einer wirtschaftlichen oder einer wissenschaftlichen Domäne löst. Weitere Informationen zu möglichen Abschlussarbeiten.

 

WinterSommer
Bachelor: Vorlesung
"Big Data Analytics"
Projekt-Seminar
"Big Data Analytics Lab"
Bachelor-Projekt
"Predictive Diagnostics"
Master:Vorlesung
"Graph Mining"
Vorlesung
"Indexing Structures for Efficient Database Access"
Master-Projekt
"Interactive Exploration of Attributed Graphs"

Winter 2016/17

Der Schwerpunkt der Vorlesung „Big Data Analytics“ liegt auf Data Mining Algorithmen zur Wissensextraktion und bildet die einzelnen Schritte des Knowledge Discovery in Databases (KDD) Prozess ab. Es werden die grundsätzlichen Data Mining Problemstellungen vorgestellt und verschiedene algorithmische Lösungen aus jedem Bereiche verglichen. Darüber hinaus werden grundsätzliche Evaluierungsmethoden vorgestellt, um diese Data Mining Lösungen für konkrete Anwendungen bewerten zu können.

  • Vorlesung Big Data Analytics (Bachelor): Folien und weiter Informationen
    Hörsaal HS 2 am HPI Campus I
    Mittwoch (15:15 – 16:45) und Freitag (09:15 – 10:45)
    Beginn der Vorlesung am Mittwoch 19.10.2016

     

  • Vorlesung Graph Mining (Master): Folien und weiter Informationen
    Raum D-E 9/10 am HPI Campus II
    Dienstag (15:15 – 16:45)
    Beginn der Vorlesung am Dienstag 18.10.2016

Sommer 2016

Der Schwerpunkt der Vorlesung „Indexing Structures for Efficient Database Access“ liegt auf Datenstrukturen für den effizienten Datenzugriff in großen Datenbanken. Die Vorlesung beinhaltet Datenstrukturen für eindimensionale, räumliche, hochdimensionale und metrische Daten. Es werden die grundsätzlichen Problemstellungen für einen effizienten Datenzugriff vorgestellt und verschiedene algorithmische Lösungen für verschiedene Datentypen vorgestellt.

 

  • Vorlesung Indexing Structures for Efficient Database Access: Folien und weiter Informationen
    Hörsaal HS 2 am HPI
    Montag (09:15 – 10:45)

  • Projekt-Seminar Big Data Analytics Lab: Weiter Informationen
    Raum: D-E.9/10 und Projektraum: E-1-03.2
    Montag (15:15 - 16:45)

  • Master-Projekt Interactive Exploration of Attributed Graphs: Weitere Informationen
    Projektraum: E-1-02.3

     

Winter 2015/16

Der Schwerpunkt der Vorlesung „Big Data Analytics“ liegt auf Data Mining Algorithmen zur Wissensextraktion und bildet die einzelnen Schritte des Knowledge Discovery in Databases (KDD) Prozess ab. Es werden die grundsätzlichen Data Mining Problemstellungen vorgestellt und verschiedene algorithmische Lösungen aus jedem Bereiche verglichen. Darüber hinaus werden grundsätzliche Evaluierungsmethoden vorgestellt, um diese Data Mining Lösungen für konkrete Anwendungen bewerten zu können.

  • Vorlesung Big Data Analytics: Folien und weiter Informationen
    Hörsaal HS 2 am HPI
    Mittwoch (15:15 – 16:45) und Freitag (09:15 – 10:45)
    Beginn der Vorlesung am Mittwoch 14.10.2015

INTEGER Lehrkonzept

Als ein besonderes Highlight im Lehrangebot soll in Bachelor- und Master-Projekten das INTEGER Lehrkonzept umgesetzt werden. INTEGER (INTEGration of Education and Research) ist ein von Prof. Müller entwickeltes Lehrkonzept für die Integration von Lehre und Forschung. Die Studierenden implementieren in einer ersten Phase forschungsnahe Algorithmen aus der Literatur. Danach evaluieren sie die Algorithmen mit Benchmarkdaten aus realen Anwendungen. Abschließend verbessern sie die Algorithmen mit eigenen Ideen. In vielen Fällen sind dabei neuartige Lösungsideen entstanden, welche zusammen mit den Studierenden auf internationalen Konferenzen publiziert und durch die Studierenden selbst präsentiert wurden. Insgesamt hat sich dieses Lehrkonzept als sehr erfolgreich erwiesen.