Lerninhalte |
Personalized Travel Time Prediction: Information über die Reisezeit spielen eine wichtige Rolle in verschiedenen Gebieten intelligenter Transportsysteme wie modernen Verkehrsleit- und Verkehrsinformationssystemen sowie kommerziellen Managementsystemen für den Fahrbetrieb von Firmenfahrzeugen und Notfallmanagementsystemen. Präzise Reisezeitangaben helfen dem Fahrer sowie dem Logistikunternehmen überfüllte Straßen zu vermeiden, was zu einer Verringerung von Staus und Reisekosten führt. Im Praktikum werden Themen wie das Berechnen des Kraftstoffverbrauchs aus GPS-Trajektorien mit Hilfe von Techniken des Maschinellen Lernens wie z.B. Matrix Faktorisierung bearbeitet werden. Des Weiteren werden einfache Verkehrsmodelle mit Verkehrssimulatoren wie MATSim erstellt.
Distributed Data Mining: Musterextraktion aus großen Peer-to-Peer-Netzwerken ist große Herausforderung, da eine zentrale Verwaltung der Daten nicht möglich ist. Das Ziel ist die Entwicklung eines Algorithmus, der wenig Bandbreite benötigt, skaliert, asynchron und robust gegenüber dem Peer-Mechanismus ist sowie eine Genauigkeit erzielt, die möglichst nahe an der eines zentralen Algorithmus liegt. Im Praktikum werden Algorithmen entwickelt, die verteilt in Ad-Hoc Netzwerken lernen. |