Auf dieser Seite werden die nächsten fünf Seminartermine angezeigt. Für weitere Termine bitte unten auf "weitere Termine" klicken oder bei Alle Termine nachschauen. Neue Terminseiten können ebenfalls auf Alle Termine angelegt werden.
- Freitag, 16. April 2021, 11:30 Uhr, https://conf.dfn.de/webapp/conference/979160755
| Vortragende(r)
|
Tanja Fenn
|
|
| Titel
|
Change Detection in High Dimensional Data Streams
|
| Vortragstyp
|
Proposal
|
| Betreuer(in)
|
Edouard Fouché
|
| Kurzfassung
|
Data streams in real-world scenarios such as environmental analysis, manufacturing, and e-commerce are high-dimensional and evolve over time. This will result in outdated models, or events of interest emerge, such as in predictive maintenance. Hence, it is crucial to detect change, i.e., concept drift, to design a reliable and adaptive system for streaming data. Nevertheless, most popular concept drift detection algorithms detect when a drift occurs (“when”) but can only be applied to univariate data streams, and neglect to examine in which dimensions the drift occurs (“where”).
Change detection algorithms should act unsupervised and detect change as fast as possible. Beyond that, processing high-dimensional data evokes further challenges like those from the curse of dimensionality, or where a drift occurs. The goal of this Master thesis is the development and evaluation of an unsupervised framework which enables to detect “when” and “where” a drift occurs. We train an autoencoder and detect drift by applying ADWIN on the autoencoder’s reconstruction error.
|
- Freitag, 23. April 2021, 14:00 Uhr, https://sdqweb.ipd.kit.edu/wiki/Institutsseminar/Microsoft_Teams
| Vortragende(r)
|
Michael Tobias
|
|
| Titel
|
Evaluierung architektureller Datenflussanalyse mittels Fallstudie anhand Corona-Warn-App
|
| Vortragstyp
|
Bachelorarbeit
|
| Betreuer(in)
|
Stephan Seifermann
|
| Kurzfassung
|
Die Wahrung von Vertraulichkeit ist essentiell für moderne Softwaresysteme. Eine Überprüfung auf Probleme bereits während der Entwurfsphase ermöglicht eine effiziente Problembehebung. Mit dem Data-Centric Palladio Component Model (DPCM) ist eine solche Prüfung möglich. Im Rahmen der Arbeit soll der Ansatz über eine realistische Fallstudie anhand der Corona-Warn-App evaluiert werden. Dazu müssen zunächst aus den Entwurfsdokumenten Vertraulichkeitsanforderungen extrahiert werden, um anschließend die Einhaltung dieser prüfen zu können. Um den Ansprüchen an ein systematisches und nachvollziehbares Vorgehen bei der Evaluierung zu genügen, wird zunächst ein Prozess zur Anforderungsextraktion konzipiert. Die Evaluation des DPCM findet anschließend für die Qualitätseigenschaften der Ausdrucksmächtigkeit und Genauigkeit statt. Das Ergebnis der Arbeit besteht aus einem Katalog von Vertraulichkeitsanforderungen für die Corona-Warn-App, dem zur Extraktion definierten Prozess, sowie initialen Ergebnissen für die Evaluation des DPCM.
|
- Freitag, 30. April 2021, 11:30 Uhr, https://conf.dfn.de/webapp/conference/979160755
Keine Vorträge
- Freitag, 30. April 2021, 14:00 Uhr, https://sdqweb.ipd.kit.edu/wiki/Institutsseminar/Microsoft_Teams
- Freitag, 7. Mai 2021, 11:30 Uhr, https://conf.dfn.de/webapp/conference/979160755
weitere Termine
