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 Problemstellungen des Data Mining aufgezeigt.

  • Master-Veranstaltungen:
    Im Master bieten wir verschiedene fortgeschrittene Lehrveranstaltungen an: Die Vorlesungen beinhalten Datenstrukturen für den Effizienten Datenzugriff in großen Datenbanken (Sommer 2016). Die Vorlesung "Graph Mining" (Winter 2016/17) hat den Fokus auf Data Mining Techniken für große und komplexe Graphen. Eine weitere Vorlesung wird vertiefende Data Mining Paradigmen für komplexe Datenbestände (ab Sommer 2018) beinhalten. Im Sommer 2017 bieten wir erstmals ein wissenschaftliches Seminar für Studierende im Master an, in dem Konzepte aus unseren Vorlesungen vertiefend wissenschaftlich untersucht werden.

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

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

 

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

Sommer 2017

Im Sommer 2017 bieten wir mit "Smart Representations for Big Data Analytics" erstmals ein wissenschaftliches Seminar für Studierende im Master an, in dem Konzepte aus unseren Vorlesungen vertiefend untersucht und wissenschaftlich analysiert/evaluiert werden.

  • Projekt-Seminar (Bachelor) Big Data Analytics Lab: Weitere Informationen
    Raum: D-E.9/10 und Projektraum: E-1-03.2
    Montag (15:15 - 16:45)
    Ein weiterer Termin wird mit Teilnehmenden flexibel festgelegt
    Kickoff-Meeting: Dienstag 18. April 2017 (17:00 - 18:30) in Raum D-E.9/10

  • Seminar (Master) Smart Representations for Big Data Analytics: Weitere Informationen
    Termine werden mit den Teilnehmenden flexibel festgelegt
    Raum D-E 9/10 am HPI Campus II
    Beginn des Seminars am Mittwoch 19. April 2017 (09:15 - 10:45) in Raum D-E.9/10

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 weitere 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 weitere 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.

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 weitere 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.