Lehr- und Forschungseinheit für Datenbanksysteme
print


Breadcrumb Navigation


Content

Oberseminar (WS 2020/21)

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 26.10.2020

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: Sandra Obermeier (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
26.10.2020
  • [A] Generalized Neighborhood Aggregation for Graph Neural Networks
  • [B] MDL-OPTICS
  • [P] k nearest neighbor based clustering
  • [A] Neural Hough Transform for Subspace Clustering
09.11.2020
  • [B] MDL in Hierarchical Clustering
  • [A] Surface Prediction for Transparent Hollow Objects
  • [M] Unsupervised Semantic Segmentation of Coarse Woody Debris in Aerial Images
07.12.2020
  • [M] Model agnostic Feature Importance by Loss Measures
  • [B] Statistic based internal quality measures for clustering
  • [B] Monte Carlo Tree Search for Travelling Officer Problem
14.12.2020
  • [P] Mixing local and global reward signals in value-base Multi-Agent Reinforcement Learning
  • [A] Accelerating Robust Spectral Clustering using the Nyström Method
  • [A] Intelligent Sampling Strategies for Priotized Experience Buffers
21.12.2020
  • [A] Diverse Mini-Batch Active Learning Using Boundary Points
  • [M] Language-Aware Entity Alignment
11.01.2021
  • [B] On Optimizing Parameter Settings for Clustering Algorithms
  • [B] Subtrace Clustering on Temporal Case Signatures
  • [A] Sequential Rule Mining for Conformance Checking
18.01.2021
  • [B] Using Graph Similarity for Concept Drift Detection
25.01.2021
  • [M] Reinforcement Learning for the Multi-Agent Travelling Officer Problem
  • [B] Bikesharing Rebalancing with Deep Reinforcement Learning
  • [M] Attention-driven Learning of Temporal Abstractions in Reinforcement Learning
01.02.2021
  • [A] Comparing Types of Sequential Rule Mining for Recommendation Purposes
  • [M] Federated ClusterGAN: Latent Space Clustering on Decentralized Datasets
08.02.2021
  • [M] Linear Unsupervised Correlation Clustering transferring Knowledge from Cluster Algorithms
  • [A] Multi-Agent Policy Optimization in Self-Play
  • [B] Subtrace Clustering on Activity Profiles
15.02.2021 entfällt
22.02.2021 entfällt
01.03.2021
  • [A] Investigating temporal knowledge graphembedding models in a unified framework
  • [A] Transfer Learning for 3D Object Detection on Points Clouds
22.03.2021
Letzter Termin im WS 2020/21.
(Siehe hier für SS 2021)
  • [A] ORIENTATION with Dynamic Routing
  • [A] Multiview Spectral Clustering on Single View Data
  • [A] On the topological property of dynamic transaction graph
  • [M] Adapting Knowledge Graph Structure for Entity Alignment