DBIS

Social Computing is an area of computer science that is concerned with the intersection of social behavior and computational systems. It is based on creating or recreating social conventions and social contexts through the use of software and technology. In this seminar we explore recent topics in social computing like Social Bots, Fake News, Filter Bubbles, Socio-political campaigns, Shit & Candy Storms, Social Augmented and Virtual Reality, Gamification, Serious Games, Science 2.0

Social Computing is an area of computer science that is concerned with the intersection of social behavior and computational systems. It is based on creating or recreating social conventions and social contexts through the use of software and technology. In this seminar we explore recent topics in social computing like Social Bots, Fake News, Filter Bubbles, Socio-political campaigns, Shit & Candy Storms, Social Augmented and Virtual Reality, Gamification, Serious Games, Science 2.0

Health data analytics is one of the main drivers for the future of medicine. Various sources of big data, including patient records, diagnostic images, genomic data, wearable sensors, are being generated in our everyday life by health care practitioners, researchers, and patients themselves. Data science aims to identify patterns, discovering the underlying cause of diseases and well being by analyzing this data.

Social Computing is an area of computer science that is concerned with the intersection of social behavior and computational systems. It is based on creating or recreating social conventions and social contexts through the use of software and technology. In this seminar we explore recent topics in social computing like Social Bots, Fake News, Filter Bubbles, Socio-political campaigns, Shit & Candy Storms, Social Augmented and Virtual Reality, Gamification, Serious Games, Science 2.0

Health data analytics is one of the main drivers for the future of medicine. Various sources of big data, including patient records, diagnostic images, genomic data, wearable sensors, are being generated in our everyday life by health care practitioners, researchers, and patients themselves. Data science aims to identify patterns, discovering the underlying cause of diseases and well being by analyzing this data.

In many fields today data is produced continuously, potentially unbounded, and at high rates, which is termed as data stream. Applications in smart manufacturing, aerospace,  particle physics, or stock exchange trading have a high demand to handle and analyze the massive data streams created. Due to their challenging characteristics specific technologies and methods for data management and analysis have been developed. In this course, you will get a deep understanding of these principles and techniques, such as query processing and optimization or data stream mining.

In diesem Proseminar werden sogenannte Overlapping Community Detection Algorithms (OCDA) mittels eines multi-perspektivischen Kriterienkatalogs untersucht. Neben klassischen informatischen Kriterien wie Korrektheit, Laufzeit und Speicherplatzverbrauch werden Kriterien wie Genauigkeit und Güte der gewonnen Information, aber auch die Anwendbarkeit auf bestimmte Formen sozialer Netzwerke (assoziativ und dissassoziativ) eingesetzt. Die Bewertungen werden beispielsweise durch Spinnendiagramme visualisiert. Das Proseminar bietet neben der üblichen Einführung in das wissenschaftliche Arbeiten spannende neue Formen des kollaborativen Forschen und Publizieren auf dem Web geübt. So werden die fachlichen Themen in Zweiergruppen mittels einer Wiki-Buch Plattform erarbeitet. Zusätzlich werden Gruppen zum fachlichen Begutachten, zum Web-Design und zur Animation von Algorithmen gebildet. Die Ergebnisse des Proseminars werden daher nicht in einer Schublade verschwinden, sondern auf dem Web als Open Content publiziert.

In diesem Proseminar werden sogenannte Overlapping Community Detection Algorithms (OCDA) mittels eines multi-perspektivischen Kriterienkatalogs untersucht. Neben klassischen informatischen Kriterien wie Korrektheit, Laufzeit und Speicherplatzverbrauch werden Kriterien wie Genauigkeit und Güte der gewonnen Information, aber auch die Anwendbarkeit auf bestimmte Formen sozialer Netzwerke (assoziativ und dissassoziativ) eingesetzt. Die Bewertungen werden beispielsweise durch Spinnendiagramme visualisiert. Das Proseminar bietet neben der üblichen Einführung in das wissenschaftliche Arbeiten spannende neue Formen des kollaborativen Forschen und Publizieren auf dem Web geübt. So werden die fachlichen Themen in Zweiergruppen mittels einer Wiki-Buch Plattform erarbeitet. Zusätzlich werden Gruppen zum fachlichen Begutachten, zum Web-Design und zur Animation von Algorithmen gebildet. Die Ergebnisse des Proseminars werden daher nicht in einer Schublade verschwinden, sondern auf dem Web als Open Content publiziert.