Lehr- und Forschungseinheit für Datenbanksysteme
print


Breadcrumb Navigation


Content

Oberseminar (SS 2019)

Inhalt

Bachelor- und Masterstudierende tragen über Pläne und Ergebnisse ihrer Abschlussarbeiten vor.

Termine und Ort

Veranstaltung Zeit Ort Beginn
Oberseminar Mo, 10.00 - 12.00 Uhr (c.t.) Raum L 155, Oettingenstr. 67 23.04.2019

Anwesenheitspflicht und Interessenten

  • Wir erwarten, dass alle Bearbeiter von Bachelor- und Masterarbeiten am Lehrstuhl am Oberseminar teilnehmen. Sie lernen nicht nur das Podium für Ihre eigenen Vorträge kennen, sondern erfahren mehr über die Vielfalt unserer laufenden Forschung und bilden das Publikum für Ihre Mitstudierenden.
  • Zu den Vorträgen wird hier im Internet eingeladen.
  • Tragen Sie sich gerne in unsere Mailingliste des Oberseminars ein, um die Ankündigungen für die nächsten Vorträge zu erhalten.

Informationen für Vortragenden

  • Bitte bereiten Sie Ihre Präsentationen so vor, dass folgende Vortragszeiten eingehalten werden:
    • Antrittsvortrag (A): 10 Minuten
    • Abschlussvortrag Bachelorarbeit (B) bzw. Projektarbeit (P): 20 Minuten
    • Abschlussvortrag Masterarbeit (M) bzw. Zulassungsarbeit (Z): 25 Minuten
    • Gastvortrag (G): nach Vereinbarung
  • Terminvereinbarungen: Max Berrendorf (Vortragstitel bitte vorher mit dem Betreuer abstimmen). Stimmen Sie den angestrebten Vortragstermin zuvor bitte sowohl mit Ihrem Aufgabensteller, als auch Ihrem Betreuer ab.
  • Bitte kümmern Sie sich um ggf. benötigte Hardware (z.B. Display-Adapter). Sollten Sie dennoch bestimmte Hardwareanforderungen haben, sprechen Sie sich bitte rechtzeitig mit Franz Krojer ab
  • Für Termine, die außerhalb der Semesterzeiten liegen, werden die Vortragenden gebeten sich frühzeitig mit dem/-r jeweiligen Betreuer/-in, dem offiziellen Aufgabensteller und dem/-r Oberseminarkoordinator/-in in Verbindung zu setzen

Vortragstermine

08.04.2019
  • (B) Temporal Cycles in Event Data
  • (A) Label-Independent Process Matching
  • (P) Pixelweise Segmentierung von OCT Bildern
29.04.2019
  • (A) Bayesian Convolutional Neural Networks
  • (A) Prädiktive Ausfallerkennung am Prüfstand
  • (M) EFISC - An Extendable Framework for Interactive Subspace-Clustering
  • (A) A kNN-based Clustering Approach
06.05.2019
  • (A) Comparison of Different Grid Construction Methods in Clustering
  • (A) Angular-Based Clustering
  • (A) Trans-Subspace Correlations between Multi-Resolution Periodic Parameter Spaces
  • (A) Interactive Spectral Clustering
13.05.2019
  • (A) Relation Disambiguation using RESCAL
  • (A) Routing: Replanning vs Stochastic Planning
  • (A) Simulation of a Stochastic Environment with Agent Interaction for Reinforcement Learning Tasks
20.05.2019
  • (B) Application of Data Mining Methods for Customer Clustering
  • (A) Knowledge Graph Fusion using Cycle Consistency
27.05.2019
  • (A) On Clustering in Linear Parameter Space Through Sampled Functions
  • (A) GPU grid-based piecewise linear approximation for linearly correlated clusters
  • (A) Clustering of temporally distorted frame segmentation and assembly on video data
  • (B) Knowledge Graph Representations of Event Logs
03.06.2019
  • (A) On Quality Metric Ensembles in Context of Hierarchical Clustering
  • (A) Interactive Hierarchical Clustering
  • (A) Reference-Model-Based Distances on Trace Data
  • (A) k-dense Clustering
  • (A) A MapReduce Variant of 4C
17.06.2019
  • (B) Fact Prediction on Knowledge Graphs using Debate Dynamics
  • (A) Improving DBSCAN using k-Core Decomposition
  • (A) Time Improvements of kProcess
  • (B) k-Nearest Neighbor Based Clustering
24.06.2019
  • (A) kNN in High- Dimensional Data
  • (A) Variants of Spectral Clustering
  • (A) Bottom-Up Subspace Clustering using kNN-Graph Similiarity
  • (A) Negative Sampling Strategies for Link Prediction in Knowledge Graphs
  • (A) Interactive Parameter Space Transform
01.07.2019
  • (M) A kNN-based Importance Score for Subspaces
  • (A) Process Model Decomposition with Infomap
  • (A) Coalition-based Ranking on Process Models
  • (A) Neural End-To-End Subspace Clustering
08.07.2019
  • (M) Comparison between different Deep Learning Architectures for Object Detection in an Industrial Environment
  • (A) Partially Observable Resource Routing with Reinforcement Learning
  • (A) Time Series Analysis for the Detection of Failures of ALMA Space Telescopes
15.07.2019
  • (A) Detecting Global Correlated Clusters using Hough Transform through Locally Dense Correlations
  • (B) Eine dynamische webbasierte Benutzeroberfläche und ein DAG Generator für das Zitan Projekt
  • (B) Graphische Oberfläche für Zitan: Implementierung einer Spring Application mit DSL zur Generierung des Domain Models
22.07.2019
  • (A) Active Learning For Entity Alignment
05.08.2019
  • (B) Interactive Hierarchical Clustering
  • (M) Generative Adversarial Networks for Multi-Modal Distributions
  • (M) Anytime Outlier Detection based on Distributions and k-Means

11.09.2019
10-12
room 151

  • (M) Prädiktive Ausfallerkennung am Prüfstand
  • (M) Nonlinear k-Distance Approximation

24.09.2019
10-12
room 151

  • (B) Travelling Officer Problem mit Ant Colony Optimization und Monte Carlo Tree Search
  • (M) Map Fusion Using Graph Convolutional Networks
  • (M) Neural End-To-End Subspace Clustering

24.09.2019
14-16
room 151

  • (B) Spatio-Temporal Link Prediction
  • (B) Reference-Model-Based Distances on Trace Data
  • (B) Angle-Based Clustering
25.09.2019
10-12
room 151
  • (B) Interactive Spectral Clustering
  • (M) A kNN-based Anytime Clustering Approach
  • (B) k-dense Clustering
25.09.2019
14-16
room 151
  • (B) On Component Analysis Architecture based Clustering
  • (B) Routing: Replanning vs Stochastic Planning
  • (B) Comparison of Different Grid Construction Methods in Clustering