( methodischer Schwerpunkt, technischer Schwerpunkt)
Abgeschlossene Bachelorarbeiten
Ziel der Arbeit war es, unterschiedliche Algorithmen und Techniken vorzustellen und zu vergleichen, die verwendet werden, um das Papier-und-Stift-Spiel Dots and Boxes zu lösen oder erfolgreich zu spielen. Die Arbeit führt zunächst Dots and Boxes als Suchproblem ein und stellt danach einige für das Spiel spezifische Techniken vor, die dieses Problem vereinfachen sollen. Anschließend werden zwei Dots and Boxes-Solver und drei Dots and Boxes-Agenten mit ihren jeweiligen Algorithmen vorgestellt. Diese Solver werden einem Experiment, die Agenten zwei Experimenten unterzogen, die ihre Leistungsstärke in verschiedenen Situationen von Dots and Boxes prüfen sollen. Abschließend werden die Ergebnisse dieser Experimente zusammengefasst und mögliche Ansätze zur Verbesserung aufgezeigt.
Die Arbeit behandelt die Untersuchung der Effizienzen verschiedener Heuristiken angewandt auf das Brettspiel Peg Solitaire. Die Ergebnisse liefert dabei der Suchalgorthmus Bidirectional BFIDA*. Es wird zuerst erläutert, wie sich die drei Einzelteile des Algorithmus (Breitensuche, IDA*, Bidirektionale Suche) zusammensetzen lassen. Anschließend wird auf das Brettspiel Peg Solitaire eingegangen, um das Spiel und alle suchrelevanten Eigenschaften aufzuzeigen. Im Anschluss wird die Anwendung der Bidirektionalen BFIDA*-Suche auf Peg Solitaire beschrieben. Es folgen die durchgeführten Experimente und deren Auswertung für drei verschieden Formen des Spielbrettes.
In October 2006, Netflix, the largest major online DVD rental service, announced to offer an award of $1 million to the first person who can improve the accuracy of its movie recommendations by 10% based on personal preferences. To improve the quality of research, Netflix is releasing 100 million of its customer movie ratings, a database the company says is the largest of its kind ever released. More information about the competition can be found http://www.netflixprize.com.
The tasks of this Master work are to investigate two existing recommender system (RS) algorithms and thorough analysis of the Netflix datasets
The task of this thesis is to reimplement en existing paper dealing with the cold-start recommendation.
Reference:
Functional Matrix Factorization for Cold-Start Recommendation, SIGIR 2011
Diese Bachelorarbeit beschätigt sich mit Empfehlungssystemen. Es wird insbesondere auf die Qualität der resultierenden Empfehlungslisten für die Benutzer eingegangen.
Dabei wird auch dargestellt inwiefern die Vielfalt innerhalb solcher Listen eine qualitative Bereicherung für den Nutzer darstellen kann.
Zu diesem Zweck werden zunächst verschiedene Maße für Qualität und Vielfalt in Empfehlungslisten vorgestellt, welche dann anhand eines im Rahmen dieser Arbeit implementierten,
taxonomiebasierten Empfehlungssystems Anwendung finden. Es wird desweiteren eine Methode vorgestellt und implementiert, welche die Vielfalt von Empfehlungen verbessern kann.
Zuletzt soll die Wirksamkeit dieser Methode durch Messung von Qualitäts- und Vielfaltsmaßen vor und nach der Anwendung verdeutlicht werden.
In der heutigen Stadtplanung trifft man auf Probleme, von denen man nicht geahnt hätte, dass diese jemals hätten auftreten können: Sehr viele Städte und Gemeinden wissen i.d.R. nur, dass sich bestimmte Versorgungsrohre (Wasser, Gas, Strom, Telefon) durch bestimmte Straßenzüge ziehen; allerdings nicht, wo genau. Das dabei auftretende Problem ist offensichtlich: Hat ein Bagger erst mal mit einem Aushub (z. B. zur Erneuerung der Straße) begonnen, ist die Leitung schnell zerstört; Anwohner werden für einen bestimmten Zeitraum mit der geschädigten Resource nicht mehr versorgt, und eine Reparatur kostet i.d.R. mehrere tausend Euro.
Über unsere Projektpartner haben Sie Zugriff auf diese Analysedaten. Ziel dieser Bachelorarbeit ist die Implementierung eines einfachen Bildanalyseverfahrens[1], um darauf befindliche Rohre zu finden. Den Fokus können Sie dabei ganz individuell ausrichten:
- Wenn Sie den technischen Fokus wählen, ist die Implementierung einer interaktiven Benutzeroberfläche notwendig. Wünschenswert ist die Entwicklung einer interaktiven ("Point-and-click") Oberfläche, sodass es möglich ist, wohldefinierte Objekte (Punkte in verschiedenen Farben mit verschiedenen Radi, ggf. Linien) mittels einer selbst definierten Schnittstelle (z.B. Datei mit speziellem Format) über die eigentlichen Bilddaten zu legen.
- Wählen Sie einen methodischen Fokus, ist eine wissenschaftliche Auswertung der Analyseverfahren (Erkennungsqualität, Genauigkeit unter widrigen Umständen, z. B. zunehmendem Bildrauschen) notwendig. Wünschenswert (aber kein Ausschlusskriterium für eine 1,0) ist als Ergebnis ein parametrierbares Tool, das für weitere Arbeiten herangezogen werden könnte.
Natürlich schließt der technische Fokus die methodischen Notwendigkeiten aus (dieses gilt ebenso umgekehrt). Das bedeutet beispielsweise, dass keine grafische Oberfläche für eine wissenschaftliche Auswertung notwendig ist.
Bei Fragen, alternativen Anregungen oder Wünschen wenden Sie sich bitte an:Matrixfaktorisierungstechniken sind ein probates Mittel, um genaue personalisierte Produktempfehlungen aus gegebenen Transaktionsdaten wie Benutzer-Produkt-Bewertungen zu ermitteln. Bei der typischen Matrixfaktorisierung wird die Benutzer-Produkt-Matrix mit den entsprechenden Bewertungen faktorisiert, sodass eine Benutzer-Matrix und eine Produkt-Matrix entstehen, die die unbekannten Präferenzen der Benutzer und die entsprechenden, aber ebenso unbekannten Eigenschaften der Produkte beinhalten. In diesem Sinne wird aber kein zeitlicher Zusammenhang bei der Bestimmung der Empfehlungen berücksichtigt. Ziel dieser Arbeit ist es, den zeitlichen Zusammenhang 'Saisonalität' in die sehr erfolgreiche Empfehlungssystemtechnik user-item-Matrix-Faktorisierung zu integrieren.
Der Druck für Unternehmen, sich gegenüber ihren Konkurrenten zu behaupten, wächst stetig an. Damit ein Unternehmen auf Dauer wettbewerbsfähig bleibt, sind fortlaufende Erstellungen und Optimierungen von Geschäftsprozessen notwendig. Für eine bedarfsgerechte Anpassung muss speziell im Bereich des Geschäftsprozessmanagements flexibel und kostengünstig auf unvorhersehbare Ereignisse reagiert werden. Um den zunehmenden Anforderungen im Geschäftsprozessmanagement standhalten zu können, sollen mithilfe von Web 2.0-Anwendungen unter der Berücksichtigung von kollektiver Intelligenz und Selbstorganisation Verbesserungen erzielt werden. Die Definitionen der kollektiven Intelligenz und der Selbstorganisation sind im Kontext von Web 2.0-Anwendungen umfassend beschrieben und anhand von Einsatzmöglichkeiten im Unternehmen erläutert. Am Beispiel der Automobilindustrie werden mit der Verwendung von Web 2.0-Anwendungen Potentiale und Verbesserungsmöglichkeiten für das Geschäftsprozessmanagement durch praxisnahe Umsetzungen gezeigt.
Microblogging-Dienste wie Twitter und identi.ca haben in der letzten Zeit an Bedeutung gewonnen. Durch ihre offene Natur (öffentliche Posts, zugängliche APIs) erlauben sie die einfache Wiederverwendung ihrer Daten durch Dritte (sog. Mash-Ups). Aus der Sicht des maschinellen Lernens ergeben sich hier neue Möglichkeiten zur Datengewinnung und für den Einsatz von Verfahren des überwachten Lernens.
Slope-One ist eine Familie von einfachen und effizienten Collaborative-Filtering-Algorithmen. Ziel dieser Arbeit ist die Implementierung unterschiedlicher Slope-One-Schemata und deren Auswertung auf dem Netflix-Datensatz.