Direkt zu


Informationen für Studierende

zur Startseite

Prozessanalyse

Algorithmen für Maschinelles Lernen auf IoT-Daten
Betreuer Dr. rer. nat. Pascal Hirmer
M.Sc. Ana Cristina Franco da Silva
Prüfer Prof. Dr.-Ing. habil. Bernhard Mitschang
Ende15.01.2019
Beschreibung

Ausgangssituation/Motivation

Das Internet der Dinge (IoT) ist eine aufstrebende Technologie zur Ermöglichung Intelligenter (SMART) Umgebungen, wie z.B. SMART Homes, SMART Factorys, SMART Cities etc. Dabei wird unter IoT im Allgemeinen die Vernetzung von heterogenen, verteilten Geräten verstanden, die mit standardisierten Protokollen und Technologien kommunizieren, um gemeinsame Ziele zu erreichen. Diese Geräte sind typischerweise ausgestattet mit Sensoren und Aktuatoren, mittels denen physische Zustände der Umgebung erfasst werden können bzw. diese Zustände beeinflusst werden können. Mit dem aufstrebenden Internet der Dinge ergeben sich jedoch auch Herausforderungen im Bereich der Datenverarbeitung, insbesondere bezüglich Data-Mining und Machine-Learning-Ansätzen. Statt wie in traditionellen Ansätzen Daten abzuspeichern und anschließend zu analysieren, müssen die im IoT anfallenden Datenströme kontinuierlich verarbeitet und analysiert werden, da die Ergebnisse möglichst echtzeitnah vorliegen müssen und die Daten schnell veralten. Ein mögliches Szenario ist beispielsweise das Autonome Fahren, bei dem große Datenmengen schnell analysiert werden müssen, um Gefahrensituationen zu erkennen oder sogar vorauszusagen. Neben dem Data-Stream-Mining, bei dem typischerweise Muster in den Datenströmen erkannt werden können darüber hinaus Machine-Learning-Ansätze angewendet werden, um Ereignisse vorherzusagen.

Ziele

In dieser Master-Fachstudie sollen verschiedene Algorithmen zur Analyse von strombasierten IoT-Daten untersucht werden. Darunter fallen Algorithmen aus dem Data-Stream-Mining, wie z.B. FPStream oder VFDT (Very-Fast-Decision-Trees) und aus dem Machine-Learning-Bereich, bspw. Deep Neural Networks. Die zu untersuchenden Algorithmen sollen basierend auf einer Literaturrecherche in einem ersten Schritt ausgewählt werden. Anschließend sollen mindestens 6 Algorithmen untersucht werden. Diese Algorithmen sollen letztendlich verglichen werden und es sollen Hinweise gegeben werden für welchen Einsatzzweck im IoT diese geeignet sind. Das Ergebnis dieser Master-
Fachstudie ist ein Dokument mit den Ergebnissen dieser Untersuchungen.

Die Aufgaben umfassen zusammengefasst:

◇ Recherche der verbreitetsten Algorithmen im Bereich Data Stream Mining / Machine Learning
◇ Aufstellen von Kriterien zur Auswahl der Algorithmen
◇ Auswahl der zu untersuchenden Algorithmen
◇ Definition von Vergleichskriterien
◇ Untersuchung der Algorithmen (mind. 6)
◇ Vergleich der Algorithmen basierend auf den Kriterien
◇ Präsentation der Ergebnisse in einem Vortrag