Lehr- und Forschungseinheit für Datenbanksysteme
print


Breadcrumb Navigation


Content

Oberseminar (SS 2020)

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.) zoom 20.04.2020

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.
  • Das Obersemiar finden vorerst Remote per zoom statt. 

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: Maximilian Hünemörder (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

 

Datum Themen
20.04.2020
  • [A] OPTICS on Extremely Noisy Dataset
  • [M] Detecting Global Correlated Clusters using Hough Transform through Locally Dense Correlation
  • [A] Subtrace Clustering on Activity Profiles
27.04.2020
  • [A] Minimum description length in hierarchical clustering
  • [A] Active-Learning in Argument Strength Prediction
  • [B] k-Lines Clustering
  • [B] Clustering using Inverse Heat Kernels
11.05.2020
  • [M] Multi Agent Resource Routing
18.05.2020
  • [A] Monocular Depth Estimation for Aerial Images
25.05.2020
  • [A] Language-Aware Entity Alignment
  • [M] Negative Sampling for Link Prediction in Knowledge Graphs
  • [M] Knowledge Graph Alignment with Reference Points
08.06.2020
  • [A] Statistic based internal quality measures for clustering
  • [A] Attention-driven Learning of Temporal Abstractions in Reinforcement Learning
  • [A] TOP with MCTS
22.06.2020
  • [A] Multi Criteria Markov Decision Process
29.06.2020
  • [M] A Model for Density-based Clustering
  • [Z] Interactive Parameter Space Transform