Semesterprojekt 1:
Learning Analytics
R. Zender
Learning Analytics verwenden statische und dynamisch Daten über Lernende und Lernumgebungen sowie von administrativen Systemen, um Lernprozesse zu verstehen und zu unterstützen. Um Studierenden Empfehlungen zu geben und Feedback bereitzustellen, werden unter anderem Learning Analytics Dashboards verwendet. Damit Studien- und Lernprozesse durch Learning Analytics entsprechend unterstützt werden, ist die Integration von pädagogischen Annahmen und informationstechnologischen Möglichkeiten entscheidend.
In dieser Veranstaltung werden Sie zunächst einen Einblick in Learning Analytics und Dashboards sowie agiles Projektmanagement erhalten. Im Anschluss definieren Sie Funktionen für Learning Analytics und Dashboards für Studierende oder Lehrende. Sie implementieren diese Funktionalitäten unter Verwendung eines vorhandenen Datensatzes von Studierendendaten.
Ziel des Semesterprojekt ist es, zunächst entsprechende Funktionen von Learning Analytics und Dashboards zu definieren und anschließend zu entwickeln.
Der Entwicklungsprozess wird im Rahmen von Zwischenpräsentationen sowie in einem Abschlussbericht dokumentiert.
------------------------------------------
Semesterprojekt 2
Mobile Roboter
V. Hafner / H. Mellmann
In diesem Semesterprojekt werden im Team Hard- und Software zweier mobiler Roboter weiterentwickelt. Der Roboter "Gretchen" ist ein humanoider Roboter für den Einsatz in Forschung und Lehre. Der Roboter "ChalkBot" ist ein mobiler Roboter, der mit Kreide zeichnen kann. Aktuell befinden sich beide Roboter im Prototypstadium.
Zu den Aufgaben der Teilnehmer*innen gehören Erweiterung der Hardware und Software, Entwicklung grundlegender Verhaltensweisen und experimentelle Analyse der Roboter.
------------------------------------------
Semesterprojekt 3
Onlinetools zur Kollektiven Entscheidungsfindung
R. Bredereck
The course addresses problems at the interface of economics, social choice theory, and computer science. The goal is to develop a web interface and backend providing tools that help to make fair collective decisions.
Specific topics include:
- aggregating preferences (rank aggregation, voting),
- fair allocation of resources / fair division of items,
- forming groups for group activities, and
- finding stable pairs / stable matching.
Student jointly develop a web frontend that collects users preferences/opinions and outputs the decision(s) computed by the backend. Moreover, to compute good outcomes student will design algorithms for the backend solving problems of various levels of difficulty. To this end, using methods from algorithm engineering student learn how to solve computationally difficult (NP-hard) problems in practice.
This term, the topic will be "group activity selection".
------------------------------------------
Semesterprojekt 4
Pattern Matching in IoT Infrastructures
M. Weidlich / S. Akili
Sensor-basierte Systeme, oft unter dem Schlagwort Internet-of-Things (IoT) zusammengefasst, bilden das Rückgrat von reaktiven Anwendungen in einer Vielzahl von Domänen, von der Logistik bis zum Gesundheitswesen. Ein wesentlicher Bestandteil solcher Systeme sind Techniken des Complex Event Processing (CEP). Jene sehen die Definition von Anfragen über Sensordatenströmen vor, welche kontinuierlich ausgewertet werden, um bestimmte Muster in den Datenströmen zu detektieren. Die Verteiltheit einer typischen IoT-Infrastruktur ist gleichermaßen Chance und Herausforderung für die Implementierung von CEP: Die Ausführung von (Teil-)Anfragen auf den Geräten einer IoT-Infrastruktur ermöglicht eine hohe Skalierbarkeit der Anfrageauswertung, verlangt jedoch auch nach entsprechender Kommunikation zwischen den Geräten.
Im Rahmen des Semesterprojekts werden die Studierenden eine IoT Infrastruktur entwerfen und implementieren, welche die Auswertung von CEP Anfragen über verteilten Sensordatenströmen ermöglicht. Basis dafür werden existierende, open-source CEP Engines sein, welche in Teilgruppen auf heterogener Hardware (Raspberry Pi, FPGAs, etc) nutzbar gemacht werden. Um die Erkennung von verteilt auftretenden Mustern zu ermöglichen, muss zusätzlich die Kommunikation der in Gruppen implementierten Lösungen ermöglicht werden, wofür die gruppenübergreifende Entwicklung eines Austauschformats notwendig ist.
------------------------------------------
Semesterprojekt 5
Entwicklung einer semantischen Suchmaschine für klinische Studien
M. Sänger
Klinische Studien bilden die Voraussetzung für die behördliche Zulassung von Medikamenten, Impfstoffen und anderer medizinischer Interventionsformen. Die Studien werden in der Regel von den Zulassungsbehörden in Registern erfasst und allgemeine Informationen (bspw. Welche Erkrankung und welches Medikament wird untersucht?) für die Öffentlichkeit zugänglich gemacht. Wesentliche Teile dieser Informationen liegen jedoch nur in textueller, nicht-strukturierter Form vor, wodurch ein effizienter Zugriff erschwert wird.
In diesem Semesterprojekt soll mittels agiler Softwareentwicklungsmethoden ein Prototyp für eine semantische Suchmaschine für klinische Studien entwickelt werden. Dieser Prototyp soll es medizinischen Expert*innen erlauben, Studien anhand bestimmter Erkrankungen, Medikamente, genetischer Veränderungen und anderer biomedizinischer Konzepte zu finden. Ferner sollen die gefundenen Studien in geeigneter Weise visualisiert werden. Im Rahmen des Projekts werden Methoden des Maschinellen Lernens und Text Minings (z.B. `Information Retrieval´, `Named-entity Recognition´ bzw. `Relation Extraction´) auf dem neuesten Stand der Wissenschaft und Technik benutzt.
------------------------------------------
Semesterprojekt 6
Serverless Distributed Data Processing Projekt
L. Thamsen
A research-oriented semester project on serverless distributed data processing:
To warm up to the topic and gain some experience with the relevant technologies, the project participants will initially perform an exploratory analysis of large real-world datasets using an open-source distributed data processing framework (e.g. Apache Spark or Airflow), then present their insights to the class.
Afterwards, teams of 3-4 participants will design and implement prototypes of high-level platforms for scalable data processing, which do not require users to specify or manage resources in detail. They are expected to choose a relevant open-source system (e.g., Spark, Flink, OpenWhisk, Airflow, Nextflow) and extend it with components that automatically manage resources, aiming at specific requirements (e.g., efficiency, reliability, timelyness, deadlines, makespan, scalability). The teams are further expected to empirically evaluate their platforms, using actual workloads (benchmark jobs, real-world datasets, realistic parameters) and measuring key performance metrics along the possible objectives and constraints). The teams will present their ideas, progress, and experiments repeatedly to the project class in the regular project meetings .
Participants will be required to participate in the weekly project meetings, regularly present during these meetings, and hand-in a scientific essay as well as their documented prototype code at the end of the course.
------------------------------------------
Semesterprojekt 7
Sensorpositionierung mit Augmentierter Realität
H. Schlingloff
Bei der Entwicklung von Antrieben für Fahrzeuge spielen Schall- und Schwingungsanalysen eine große Rolle. Dazu werden die Aggregate in Prüfständen versuchsweise betrieben und mit einer Vielzahl (z.T. mehrere hundert) von Sensoren (3D-Schwingungsaufnehmer und Mikrofone) ausgerüstet. Das Setup ist dabei langwierig und fehlerbehaftet, da für alle Sensoren die relative Lage (Position, Drehung) zum Antrieb händisch ausgemessen, zusammen mit der Sensornummer/ID notiert und als Tabelle abgelegt wird. Ein 3D-Modell des Aggregats liegt häufig nicht vor und muss erstellt werden. Im Auswerteprozess werden dann die Sensoren in das 3D-Modell des Antriebs entsprechend der ermittelten Positionen eingepflegt und nach den Messungen eine Schwingform- und Schallanalyse angefertigt. Ein solches Setup dauert etwa 3 Arbeitstage. In diesem Semesterprojekt soll untersucht werden, wie dieser Prozess mit Hilfe einer AR-Lösung optimiert werden kann:
1. Ein 3D-Modell des Prüfstandes/Aggregats wird mit Hilfe einer AR-Brille erstellt
2. Die Positionierung der Sensoren auf dem Aggregat soll AR-unterstützt erfolgen
3. Positionen und Richtungen der Sensoren werden zusammen mit dem 3D-Modell des Aggregats in einem geeigneten Format abgespeichert.
Das Projekt findet in Kooperation und mit Unterstützung der GFaI (Gesellschaft zur Förderung angewandter Informatik e.V.) in Berlin-Adlershof, Arbeitsgruppe Dr. Dirk Döbler, statt. In dem Projekt lernen die Teilnehmenden, 3D-Algorithmen und Applikationen für AR-Brillen zu erstellen. Als AR-Brille steht eine Microsoft Hololens 2 zur Verfügung, Tools/Plattformen zur Programmierung wären Visual Studio, Unity, Unreal, DirectX und andere.
------------------------------------------
Semesterprojekt 8
Kommunizierende Systeme
E. Rohrer
Im Rahmen des Projekts werden Themen aus dem Bereich der kommunizierenden Systeme bearbeitet. Insbesondere werden Sicherheits- und Leistungsaspekte, sowie Fragestellungen aus dem Bereich der Kommunikation innerhalb von Gerätegruppen betrachtet.
In diesem Semester fokussiert das Projekt die Umsetzung und Absicherung von verteilten Applikationen und Protokollen auf Grundlage von Blockchain-Technologie. Die nötigen Grundlagen Blockchain-basierter Systeme werden zuerst im Rahmen des Projektes einführend vermittelt. Daraufhin widmet sich das Projekt der praktischen Implementation von Applikationen auf Basis des Bitcoin-Ökosystems im Allgemeinen und des Lightning Networks im Besonderen. Die Entwicklung wird während des Semesters von den Studierenden in selbstständig arbeitenden Gruppen durchgeführt.
------------------------------------------
Semesterprojekt 9
Bank Hacking
O. Kondrateva / L. Reichert
In diesem Semesterprojekt möchten wir zusammen mit allen Teilnehmer*innen erkunden, wie IT-Sicherheit in der Praxis sowohl aus der Angriffs- als auch aus der Verteidigungsperspektive aussieht. Dazu werden wir ein Netzwerk aus mehreren systemrelevanten Banken errichten, die von einer Zentralbank Geld erhalten und dabei möglichst ungestört von externen Angreifern bleiben sollen. Um die Aufgabe etwas zu erschweren, werden die Banken von einem anderen Team programmiert als sie betrieben werden. Im Verlauf des Semesters findet ein Ringtausch der Banken statt. Ein schneller Start nach der Übergabe vom Programmier-Team lohnt sich, denn der Drucker in der Zentralbank steht nicht still und schüttet kontinuierlich Münzen aus. Doch aufgepasst, vielleicht hat die betriebene Bank ja noch eine versteckte Backdoor und wird morgen früh ausgeräumt.
Im Rahmen dieses Planspiels wird es viele Möglichkeiten geben theoretische (Er-)Kenntnisse der IT-Sicherheit anzuwenden und völlig legal auszuprobieren.
|
