Projekt-, Master- und Bachelorarbeiten

Themen

Die folgenden Themenbereiche sind nicht als konkret ausgeschriebene Bachelor- und Master-Arbeiten, sondern eher als allgemeiner thematischer Rahmen gedacht. Konkrete Aufgabenstellungen für Bachelor-, Master- oder sonstige Studienarbeiten (Lehramts-Zulassungsarbeiten, Einzelpraktika) lassen sich dann in Zusammenarbeit mit den Interessenten auf der Basis ihrer Neigungen und ihres Vorwissens entwickeln:

• High Performance Data Mining auf Multi-Core-Prozessoren
  Wir betrachten Data-Mining-Algorithmen aus den Bereichen Clustering (k-Means, DBSCAN, OPTICS, etc.), Klassifikation, Regression, Outlier Detection, aber auch Algorithmen der linearen Algebra (Eigenwert-Zerlegung, QR-Zerlegung, Cholesky-Zerlegung etc.) oder Algorithmen zur Analyse von Graphen (Zusammenhangskomponenten, minimale Spannbäume etc.). Zu diesen Algorithmen sollen hocheffiziente Varianten für moderne Multi-Core-Prozessoren entwickelt werden v.a. unter Verwendung der folgenden Techniken:
  • Open-MP oder CILK für Multiple-Instruction-Multiple-Data Parallelisierung (Multi-threading)
  • Task-basierte Programme
  • Single-Instruction-Multiple-Data Parallelismus (Vektorrechner) z.B. mit AVX (Advanced Vector Extension)
  • Speicherzugriffe nach den Prinzipien Cache-conscious und Cache-oblivious
  Bei besonderem Interesse auch Implementierung der Algorithmen auf Grafik-Prozessoren (NVIDIA-Cuda oder Open-CL)
  Ansprechpartner: Christian Böhm (Für CUDA auch: Can Altinigneli)
• Clustering-Algorithmen
  Wenn Sie Interesse an der Entwicklung von Methoden zur Clusteranalyse haben, wenden Sie sich bitte an Dominik Mautz.
  Bitte beachten Sie, dass gute Mathematik- und Programmierkenntnisse unerlässlich sind. Auch ist es empfehlenswert die Vorlesung "Knowledge Discovery in Databases" gehört zu haben.
• Liste abgeschlossener Themen