Sommerakademie der Studienstiftung des deutschen Volkes  
  St. Johann, Sonntag, 24. August - Samstag, 6. September 2014  
     
  Big Data: Algorithmische (und andere) Herausforderungen  
     
  Leitung:  
  Prof. Dr. Mila Majster-Cederbaum  
  Prof. Dr. Ernst W. Mayr  
                   
                   
                    
                   
  Nr. Wer?     Thema        
                   
      1. Einleitung, Übersicht          
  1 Vogel, Marian   1 What is Big Data? MMDS p. 1--15    
              zahlreiche andere Quellen, siehe E-Mail,    
u.a.
Informatik Spektrum Band 37 Heft 2
http://rd.springer.com/journal/287/37/2?wt_mc=alerts.TOCjournals  
      2. Mathematische Grundlagen          
  2 Hollender, Julian   1 Page Rank 1 MMDS ch. 5.1 - 5.2    
  3 Krämer, Julia Desirée   2 Page Rank 2 MMDS ch. 5.3 - 5.5    
  4 Kaufhold, Lilli   3 Dimensionsreduktion 1 MMDS ch. 11.1 - 11.2    
  5 -ausgefallen-   4 Dimensionsreduktion 2 MMDS ch. 11.3 - 11.4.    
  6 Kilbertus, Niki   5 Neuronale Netze MMDS ch. (12.1+) 12.2    
  7 Nußbaum, Frank   6 Supportvektormaschinen MMDS ch. (12.1+) 12.3    
      3. Random Walks on Graphs          
  8 Koenen, Daniel   1 Random Walks Lovász geeignete Auswahl    
      4. Algorithmen          
  9 Stark, Kathrin   1 Map Reduce 1 MMDS ch. (2.1+) 2.2 - 2.3    
  10 Göbel, Susanne Göbel, Susanne   2 Map Reduce 2 MMDS ch. (2.1+) 2.4 - 2.5    
      5. Sampling          
  11 Igl, Maximilian   1 Sampling 1 MMDS ch. 3.1 - 3.4    
  12 Stöckel, Andreas Stöckel, Andreas   2 Sampling 2 MMDS ch. 3.8 - 3.9    
      6. Streaming          
  13 Rappl, Florian   1 Grundlagen MMDS ch. 4.1 - 4.3    
  14 Niepel, Timo Sami Georg   2 Streaming MMDS ch. 4.5 - 4.7    
        (spezielle Auswahl aus)   Algorithmic Techniques for Big Data Analysis    
        (spezielle Auswahl aus)   Theoretical Foundations of Big Data Analysis    
      7. Clustering          
  15 Honauer, Katrin   1 Clustering 1 MMDS ch. 7.1 - 7.3    
  16 Jürgens, Robert Jürgens, Robert   2 Clustering 2 MMDS ch. 7.4 - 7.6    
  17 Bauer, Matthias Stephan   3 Graph Clustering 1 Engineering Comparators for Graph Clusterings    
            Community Structures in Large Networks    
  18 Stiegemann, Deniz Ekrem   4 Graph Clustering 2 Graph clustering and minimum cut trees    
        Für alle in diesem Kapitel: Für alle in diesem Kapitel:   Data Clustering: A Review    
            Clustering Data Streams: Theory and Practice    
            A Survey of Stream Clustering Algorithms    
      8. Social Network Graphs          
  19 Goerge, Fabian   1 Soziale Netzwerke 1 MMDS ch. 10.1 - 10.4    
  20 Girlich, Maximilian   2 Soziale Netzwerke 2 MMDS ch. 10.5.-10.8    
      9. Recommendation Systems          
  21 Berscheid, Lars   1 Empfehlungssysteme MMDS ch. 9.1 - 9.4    
      10. Visual Analytics          
  22 Fischer, Darius   1  Interaktive Datenanalyse Holen Sie sich Material von Jeff Heer's Website!    
        Insbesondere:   The Visual Display of Quantitative Information    
  23 Engelke, Simon   2 Visuelle Darstellung großer Datenmengen Methods for Interactive Exploration of Large-Scale News Streams    
            Visual Analytics    
            Visual Analytics: Scope and Challenges    
                   
                   
  Bemerkungen:              
  Die Hauptquelle für das Material der Vorträge Die Hauptquelle für das Material der Vorträge ist das Buch A. Rajaraman, J. Leskovec, J. Ullman: "Mining of Massive Datasets" (Version 2.1)    
  Webseite der Autoren: MMDS   Lokal: mmds_book.pdf    
  Sie können natürlich (und sind herzlich Sie können natürlich (und sind herzlich Sie können natürlich (und sind herzlich Sie können natürlich (und sind herzlich eingeladen) in allen Fällen zusätzliches Quellmaterial finden und verwenden. Aber: das heißt ergänzend, nicht ersetzend!!    
  LaTeX Vorlagen für:LaTeX Vorlagen für:  Vortragsfolien          
      Ausarbeitungen