Visual Analytics Techniques for high-dimensional Data (Wintersemester 2022/2023)

Dozent: Prof. Dr. Jürgen Döllner (Computergrafische Systeme) , Dr. Rico Richter (Computergrafische Systeme) , Sebastian Schulz (Computergrafische Systeme)

Allgemeine Information

• Semesterwochenstunden: 4
• ECTS: 6
• Benotet: Ja
• Einschreibefrist: 01.10.2022 - 31.10.2022
• Lehrform: Seminar / Projekt
• Belegungsart: Wahlpflichtmodul
• Lehrsprache: Deutsch
• Maximale Teilnehmerzahl: 15

Studiengänge, Modulgruppen & Module

Beschreibung

Hochdimensionale Daten entstehen beispielsweise bei der  der 3D-Erfassung von Oberflächen, bei der Analyse von Softwaresystemen oder durch Sensoren. 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 3D-Daten (z.B. 3D-Punktwolken)
• Analyse von Infrastrukturdaten (z.B. Mobile-Mapping von Straßennetzen)
• Visualiiserung und Rendering von 3D-Daten
• Räumliche Datenstrukturen für große Datensätze
• Web-basierte Visualisierung und Service-basierte Infrastrukturen
• 3D-Erfassung und Auswertung von Bauwerken
• Auswertung von Radar Satellitendaten für Brücken- und Gebäudemonitoring

Die Themen können auch in Gruppen von bis zu zwei Studierenden bearbeitet werden. Auch das Bearbeiten eigener Themen ist bei entsprechender Eignung in Absprache möglich. 

Voraussetzungen

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.

Literatur

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.

Lern- und Lehrformen

Forschungsnahe Projektarbeit mit individueller Betreuung durch Mitarbeiter des Fachgebiets. Es wird von allen Teilnehmern erwartet im Moodle Kurs "Visual Analytics Techniques for high-dimensional Data" eingeschrieben zu sein.

Leistungserfassung

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.

Termine

Auftaktveranstaltung und Präsentationen werden in Präsenz und Digital 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 Dienstag, den 25.10. um 17:00 Uhr im Grafikpoolraum HE.11/12/13 und zusätzlich parallel als virtuelles Zoom-Meeting (Zugangsdaten im Moodle) bzw. hier: 

Zoom-Meeting beitreten https://zoom.us/j/98867423298?pwd=enRJVnB4MUFhUmhDUzZ1STFnUkZHQT09

Meeting-ID: 988 6742 3298 Kenncode: 345321

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