Prof. Dr. Markus Döhring

Hohe Stickoxidwerte sind ein ernstzunehmendes Problem in Städten mit hohem Kraftfahrzeugaufkommen [1].

Das DAnalytics Team der Digitalstadt Darmstadt [2] verfügt über ein modernes Sensorsystem zur Datenerfassung der Verkehrsflüsse, des Wetters und der Luftqualität [3].

Im Rahmen einer h_da exklusiven Machine Learning Challenge werden Ihnen diese Aufzeichnungen von teils nicht-öffentlich zugänglichen Daten bereitgestellt.

Das Ziel ist die Anwendung maschineller Lernverfahren zur datenbasierten Konstruktion eines Vorhersagemodells für die Schadstoffbelastung am Nachmittag eines Tages. Die Ergebnisse des Modells können auf einer h_da-internen Evaluationsplattform [4] hochgeladen und automatisch beurteilt werden, so dass sich eine kontinuierlich verändernde Bestenliste von Teilnehmern ergibt. Selbstverständlich können Sie dort auch zunächst unter einem Pseudonym bzw. als Team teilnehmen, die Weitergabe von Daten/Ergebnissen außerhalb eines Teams bzw. das Anlegen mehrerer Accounts ist jedoch streng untersagt.

Die wichtigsten Benefits für Sie als Studierende sind:

• Zugang zu echten und spannenden exklusiven Daten aus Darmstadt
• Möglichkeit zum zwanglosen Experimentieren und Lernen unabhängig vom gewählten Studiengang
• Direktes, automatisches  und quantitatives Feedback zu Ihren „Machine Learning Skills”
• Möglichkeit zum Austausch mit Studierenden anderer Fachbereiche in anderen Studiengängen, jedoch mit ähnlichen Schwerpunkten
• Falls in Ihrem Studiengang passend, dürfen Sie die Daten gerne auch im Rahmen eines CP-wirksamen Moduls bzw. einer Seminar-/Abschlussarbeit bearbeiten.
• Darüber hinaus winken Preise:
  • 1. Platz: 200€
  • 2. Platz: 100€
  • 3. Platz: 50€ und eine Kiste Club Mate (oder Getränk nach Wahl)
• Sonderpreis für die besten Erkenntnisse bzw. explorative Datenanalyse: 150€

Termine:

• 01.08.2021: Start der Challenge
• 02.09.2021 10:30-12:00: Infosession mit DAnalytics zur Klärung von Detailfragen -  https://rooms.h-da.de/r/Data%20Science%20Extern
• 31.10.2021: Ermittlung der Sieger anhand des Leaderboards

Wir hoffen auf eine rege Teilnahme.

Bei Interesse :

1. registrieren Sie sich bitte im DAnalytics Moodle Kurs [5]
2. akzeptieren Sie die Teilnahmeerklärung (nur dann können Sie die Inhalte und Daten sehen)
3. lesen Sie das Dokument zur Erläuterung der Challenge
4. laden Sie sich die Challengedaten herunter und bearbeiten Sie diese mit Tools Ihrer Wahl
5. schauen Sie sich das Video zur Verwendung von EvalAI zum Hochladen Ihrer Ergebnisse an
6. registrieren Sie sich bei EvalAI [4]; dies ist ausschließlich mit Ihrer h-da Emailadresse möglich
7. Prüfen Sie die Güte Ihrer Vorhersagen und verbessern Sie diese so lange, bis Sie auf Platz 1 sind  :-)

Die interne Evaluationsplattform ist vergleichbar z.B. mit https://www.kaggle.com/competitions , jedoch erlaubt sie es niederschwellig für Unternehmen aus der Region, ihre Datensätze geschützt und exklusiv mit einem begrenzten Kreis von h_da Studierenden zu teilen. Wenn Sie also als Studierende(r) oder Kollege/Kollegin Unternehmen kennen, die Interesse haben auf diesem Weg einer Machine Learning Challenge Studierende für Ihre Daten und Problemstellungen zu begeistern, dürfen Sie gerne auf uns zukommen.

Bei Fragen kommen Sie gerne auf uns zu. Viel Erfolg wünscht Ihr Challenge Team:

Prof. Dr. Markus Döhring (h_da FBI)

Dennis Imhof (h_da FBI)

Tobias Rohrer (h_da FBI)

Ralf Tank (DAnalytics)

Olaf Arras (DAnalytics)

[1] https://www.tagesschau.de/inland/eugh-stickoxid-deutschland-101.html

[2] https://www.digitalstadt-darmstadt.de/

[3] https://datenplattform.darmstadt.de/#!/tiles/

[4] http://uvm-evalai.fbi.h-da.de/ (nur im Hochschulnetz/VPN)

[5] https://lernen.h-da.de/course/view.php?id=15130    Code: Stickstoff

Liebe Studierende,

trotz bzw. wegen des Andauerns der Pandemie stellt auch dieses Semester alle Beteiligten vor erhöhte Anforderungen:

• Uns als Dozenten, da wir Lehrinhalte anders organisieren, ggf. didaktisch ändern und Inhalte anders bereitstellen müssen. Wir tun dies gerne und mit durchaus großem Engagement innerhalb der vorliegenden technischen, zeitlichen und organisatorischen Rahmenbedingungen.
• Sie als Studierende, da wesentlich mehr eigenverantwortliches Selbststudium und eine bessere Selbstorganisation nötig sein wird als zu normalen Zeiten.

Für die Gestaltung der Lehre existieren keine zentralen Vorgaben, was auch verständlich ist, da nur so individuellen Anforderungen bzgl. der Lehrveranstaltungen genügt werden kann.

Für die von mir angebotenen Module im Sommersemester 2021 habe ich mich für folgende Rahmenbedingungen entschieden:

• Die Lehrveranstaltung setzt sich als ein Mix aus folgenden Komponenten zusammen
  •  Selbststudium (relevante Lektüre wird als Ebook oder Scan bereitgestellt) mit Q&A-Sessions und Moodle Forum.
  • „Live-Vorlesungen“ (Funktionsfähigkeit der Plattformen und Ihres Internetanschlusses vorausgesetzt), die jedoch aus mehreren Gründen nicht aufgezeichnet werden, z.B. damit aktive Teilnehmer auch mal eine „blöde Frage“ stellen können ohne gleich verewigt zu sein.
  • Vorab vom Dozenten aufgezeichneten Lernvideos, ebenfalls mit Möglichkeiten zur Rückfrage in Q&A Sessions oder Moodle-Forum
• Wie auch in den Präsenzpraktika ist es das Ziel, das Testat am Ende des Praktikumstermins zu erwerben. Zusätzlich werden die entsprechenden Praktikumsdokumente, die für das Testat relevant sind, ins Moodle hochgeladen.
• Teilnehmern, die in einem Fokusgespräch mehrfach nicht mit der relevanten Materie (d.h. den erarbeiteten Lösungen der Gruppe) vertraut sind, wird das Testat nicht erteilt.
• Per Email direkt an den Dozenten gestellte Fragen werden 1:1 ins Moodle-Forum übertragen und dort für alle Teilnehmer der Lehrveranstaltung beantwortet.

Für das Master-Wahlpflichtmodul „Big Data Analytics“ kommt hinzu:

• Im Praktikum wird die Gruppengröße auf 4 erhöht. Dadurch wird die Möglichkeit erhöht, Arbeit zu verteilen und temporäre Lastspitzen einzelner Studierender auszugleichen. Für jede Gruppe gibt es fest terminierte ca. 20-minütige „Fokusgespräche“ innerhalb der üblichen Praktikumszeiten. Weitere Kontaktmöglichkeiten bestehen zu Tutoren.
• Ein Großteil der bereitgestellten Literatur ist englischsprachig.
• Die Verfügbarkeit von Ressourcen und ein veränderter Zugriff auf diese (mehrere Einzelsessions remote statt Gruppen die im Labor vor dem Rechner sitzen) kann es erforderlich machen, dass Praktikumgruppen zur Vor- und Nachbereitung des Praktikums disjunkte Fenster mit Arbeitszeiten während der Woche zugewiesen werden. Es könnte daher sein, dass Arbeitszeiten am Abend oder am Wochenende anfallen.
• Einige Ressourcen werden ggf. über Cloud-Dienstleister (z.B. AWS) bereitgestellt, bei denen Sie sich vorher registrieren müssen. 

Sollte einer der o.g. Rahmenbedingungen ein Hinderungsgrund sein, denken Sie bitte über eine Verschiebung des jeweiligen Moduls auf „Post-Corona-Zeiten“ nach (wann immer diese sein werden).

Sollten Sie vorab Fragen, Wünsche oder Hinweise haben, kommen Sie gerne damit auf mich zu. Unser aller Ziel ist, Sie möglichst erfolgreich durch dieses Semester zu begleiten.

Aussagen, dass dies ohne Hindernisse oder teils auch „Nachteile“ im Vergleich zu normalen Semestern vonstattengehen kann, halte ich persönlich jedoch nicht für seriös.

Trotzdem bin ich davon überzeugt, dass die Lehrveranstaltungen bei genügend Pragmatismus auf beiden Seiten auch sehr positiv in Erinnerung bleiben können.

Die Vorlesung beginnt voraussichtlich am 15.04. (Do5 16:00).

Auf Grund des wegen Covid19 präsenzfreien Semesters wird die LV mehr eigenverantwortliches Selbststudium erfordern. Der Dozent unterstützt dies durch eine Mischform aus: 

• Regulären virtuellen "Präsenzvorlesungen" mit der Möglichkeit für Zwischenfragen - diese Sessions werden voraussichtlich nicht aufgezeichnet. 
• Selektiv einige kompakte aufgezeichnete Lehrvideos durch den Dozenten
• Quellenangaben mit Scans/Ebooks zum Durchlesen
• Q&A Sessions (Inverted Classroom)

Der Beginn des Praktikums wird in Kürze bekanntgegeben. Das Praktikum wird in 4er Gruppen bearbeitet, jede Gruppe erhält während des ursprünglich vorgesehenen Praktikumstermins einen 20minütigen Slot für eine Remote-Intensivbetreuung während dieser Zeit. Parallel dazu besteht die Möglichkeit, Fragen an Dozenten und Tutoren über ein Moodle-Forum zu richten. 

Die Vorlesung beginnt voraussichtlich am 12.04. (Mo3 12:00).

Auf Grund des wegen Covid19 präsenzfreien Semesters wird die LV mehr eigenverantwortliches Selbststudium erfordern. Der Dozent unterstützt dies durch eine Mischform aus: 

• Regulären virtuellen "Präsenzvorlesungen" mit der Möglichkeit für Zwischenfragen - diese Sessions werden voraussichtlich nicht aufgezeichnet. 
• Selektiv einige kompakte aufgezeichnete Lehrvideos durch den Dozenten
• Quellenangaben mit Scans/Ebooks zum Durchlesen
• Q&A Sessions (Inverted Classroom)

Der Beginn des Praktikums wird in Kürze bekanntgegeben. Das Praktikum wird in 4er Gruppen bearbeitet, jede Gruppe erhält während des ursprünglich vorgesehenen Praktikumstermins einen 20minütigen Slot für eine Remote-Intensivbetreuung während dieser Zeit. Parallel dazu besteht die Möglichkeit, Fragen an Dozenten und Tutoren über ein Moodle-Forum zu richten. 

• Betreuung von Abschlussarbeiten im Bachelor Informatik dual
• Erarbeitung eines Referenzdatensatzes aus Fitness-Armbändern unter studentischer Mitwirkung 
• Entwicklung von Prognosemodellen für den Studienerfolg

Allgemeine Hinweise und Vorlagen zu Bachelorarbeiten finden Sie hier:https://fbi.h-da.de/studium/studienorganisation/studienorganisation-b-sc-informatik/abschlussarbeit 

Eine sehr gut bewertete Bachelorarbeit als Beispiel finden Sie hier: Quantifizierung des Rezyklatgehaltes in Kunststoffteilen für den Automobilbau mit Hilfe von Machine Learning-Methoden (Dennis Imhof, 2020) - Der Umfang ist keinesfalls eine Zielgröße für eine übliche Bachelorarbeit

Der Rohstoff der Zukunft, Dieburger Anzeiger vom 9.5.2019

Mein Körper, Meine Daten, WDR 5, 26.05.2019

SAS Blog: Hochschulen der Zukunft, 5.10.2020