Ich habe Übungen eingereicht und votiert. Aber ich konnte unentschuldigt nicht an der entsprechenden Übung teilnehmen. Verliere ich meine Votierungen für die Übungen?

 

Antwort: ja, ihre Votierungen für diese Übungen werden nicht gewertet und diese Aufgaben zählen als nicht eingereicht.

Als Studierender, kann ich kurzfristig nicht an einer Prüfungszulassungsleistung teilnehmen. Dies kann beispielsweise eine Online-Übung sein, an welcher ich kurzfristig nicht teilnehmen kann. Was soll ich tun, damit ich meiner Votierungen für die Übungsaufgaben behalte?

 

Antwort: Informieren Sie unmittelbar elektronisch ihren Dozenten, und teilen ihm den Hinderungsgrund mit.Handelt es sich nachweislich um einen unverschuldeten Hinderungsgrund, bleiben die votierten Übungsaufgaben erhalten.

Wo finde ich Datensätze für meine Abschlussarbeit, meine Seminararbeit, meine Forschungs- oder Doktorarbeit?

Antwort: Es gibt eine Vielzahl an öffentlich zugänglichen Daten unterschiedlicher Anwendungen und Domänen. Je nach Anwendungsfall, werden unterschiedliche Datenarten benötigt.

A) Eine erste Möglichkeit der systematische Suche nach relevanten Datensätzen bietet re3data  (https://www.re3data.org/)

B) Eine zweite systematische Suche für solche Daten bietet Datacite (Datacite.org).

C) Werden für den Spezialfall der Classifikation oder des Clustering Daten - z.B. im Rahmen von Anwendungen der Künstlichen Intelligenz oder des Machine Learning benötigt - finden sie geeignete Standardbenchmark-Daten im UCI Machine Learning Repository ( https://archive.ics.uci.edu/ )

D) Suchen Sie Daten im Bereich des Computer Vision bzw. der industriellen Bildverarbeitung, gibt es eine Vielzahl an entsprechenden Bilddatenbanken: COCO - Common Objects in Context      Cityscapes     ImageNet  u.v.m

E) Im Bereich der medizinischen Bildgebung (fluteszenzmikroskopie, histologie etc.) kann IDR empfohlen werden (https://idr.openmicroscopy.org/about/)

Ich möchte an Nutzerstudie für eine neu entwickelte Software, eines Gesamtsystems oder eine neue interaktive Visualisierung durchführen. Nach welchem "Best-Practise" gehe ich vor?

Antwort: Eine gute Beschreibung und Erläuterungen wie eine solche Nutzerstudie wiss. angemessen erhoben werden kann, ist von Hoffmann und Zhao veröffentlicht (hier: UserStudiForHCI ). Die Arbeit betrachtet den Spezialfall im Robotik-Umfeld, kann aber ohne weiteres auf andere Szenarien im Ingenieurswesen und der Informatik übertragen werden. Im Bereich der Visualisierungen ist die Arbeit von Lam et al. eine hilfreicher Startpunkt (hier:  7SzenariosInVis).

Für meine Studien im Bereich der künstlichen Intelligenz (KI), suche ich geeignete öffentlich zugänglich Arbeiten.

Antwort:

A) Das Journal of Machine Learning Research (JMLR) bietet alle seine dort veröffentlichen Arbeiten online zum freien Download an. Das wäre ein guter empfehlenswerter Startpunkt mit hunderten von Arbeiten zum Theme KI: https://www.jmlr.org/papers/

B) Darüber hinaus bietet dies folgende Seite: https://paperswithcode.com/ ebenfalls Arbeit zum Thema KI zum freien download an, darüberhinaus auch Quellcode (oftmals für Python) um die dort beschriebenen Modelle auszuprobieren/zu nutzen.

Ich möchte ein Mock-Up für ein User Interface erstellen. Wie gehe ich vor?

Antwort:

Bevor ein interaktives Benutzeroberfläche (UI) erfolgreich erstellt werden kann, benötigt es einiges an konzeptioneller Vorarbeit und üblicherweise eines iterativen Arbeitsprozesses. Erste Konzepte einer potenziell kommenden UI werden vereinfacht erstellt und dienen als Diskussionsgrundlage für weitere Arbeiten an der UI. Solche ersten "interaktiven" Konzepte werden

Erste Mock-Ups können gerne frei handgezeichnet werden. Es ist auch möglich, eine kleine UI testweise bereits mit interaktiven Elementen zu implementieren. Ein Online-System, das die Erstellung von Mock-Ups ermöglicht, ist Figma. (https://www.figma.com/).

Dort lassen sich beliebige Mock-Ups mit interaktiven Elementen entwerfen und einem breiten Publikum präsentieren (Info: https://de.wikipedia.org/wiki/Figma). Ein Beispiel aus Figma ist Folgendes:

  ui  ui2

Ich möchte in meiner späteren Karriere als Data Analyst oder Data Scientist arbeiten. Welche Methoden und Kompetenzen sollte ich mir aneignen?

 

Antwort:
Die Frage ist zunächst gar nicht so eindeutig zu beantworten. Es gibt sicherlich einige Kernkompetenzen, die alle Data Scientists teilen, wie etwa Wissen im Bereich Data Engineering, die Arbeit mit Modellen des Machine Learnings oder Fachkenntnisse in Statistik.Darüber hinaus ist das notwendige Wissen jedoch oft sehr spezifisch und anwendungsorientiert. Beispiele hierfür sind die Analyse von Strömungsfeldern oder die Plausibilisierung von Tests am Motorprüfstand.

Ich denke daher, dass es den einen Bildungskontext für Data Scientists nicht gibt. Allerdings gibt es einige Themen, die als Vorbereitung für diesen Beruf sicherlich nützlich sein können.

Einen Katalog von Themen, die für Data Scientists relevant sind, hat B. K. Pandey zusammengestellt. Dieser Katalog kann hier gefunden werden: ModernDataTerms

In den Wissenschaften beurteilen wir das Renommee und die Bedeutung/Wichtigkeit von Journals über Ranking-Systeme (sogenanntes Core Ranking). Somit gibt es Journals mit einem A*, A, B, und C. Im Rahmen seiner wissenschaftlichen Karriere zählen demnach A* und A Level Publikationen mehr (sie haben ein höheres Renommee), als B oder C-Level oder gar als Journal-Publikationen, welche nicht im Core Ranking geführt sind.

Daher ist es wichtig, sich im Vorhinein Gedanken zu machen, welches Core Ranking ein Journal hat. Ein Anhaltspunkt zu den Core Rankings der einzelnen Journals kann hier gefunden werden: https://portal.core.edu.au/jnl-ranks/

Wir nutzen für unsere Abschlusarbeiten und Implementationen Tools wie Overleaf oder auch Git etc.? Gibt es eine Übersicht, welche mir erläutert, wie ich mich für die vielen Systeme anzumelden habe um arbeitsfähig zu sein (Stichwort: OnBoarding)?

Antwort: Ja, gibt es. Hier: OnboardingProcess

nach oben
Drucken