004 Datenverarbeitung; Informatik
Refine
Document Type
- Article (4)
- Part of a Book (4)
- Announcement (2)
- Workingpaper / Report (2)
- Conference Proceeding (1)
- Moving Images (1)
- Researchdata (1)
- Study Thesis (1)
Has Fulltext
- yes (16) (remove)
Is part of the Bibliography
- yes (16) (remove)
Keywords
- CIT (2)
- Campus IT (2)
- DOAJ (2)
- FHD (2)
- Hg_TCR (2)
- Jahresbericht (2)
- Continuous Software Development (1)
- Datenbanken (1)
- Datenbanksysteme (1)
- Discrimination (1)
Department/institution
- Fachbereich - Medien (12)
- Campus IT (2)
- Digital Learning and Digital Literacy (2)
- Sound and Vibration Engineering (2)
- Creative Media Production and Entertainment Computing (1)
- Digitale Vernetzung und Informationssicherheit (1)
- Fachbereich - Elektro- & Informationstechnik (1)
- Fachbereich - Maschinenbau und Verfahrenstechnik (1)
- Intelligente Mensch-Technik-Interaktion (1)
Im Projekt EILD.nrw wurden Open Educational Resources (OER) für die Lehre im Fach Datenbanken entwickelt. Lehrende können die Tools und Kurse in einer Vielzahl von Lernszenarien einsetzen. Studierende der Informatik und Anwendungsfächer lernen den kompletten Lebenszyklus von Datenbanken kennen. Zu diesem Zweck wurden Quizze, interaktive Tools, Lehrvideos und Kurse für Lernmanagementsysteme entwickelt und unter einer Creative Commons-Lizenz veröffentlicht.
Künstliche Intelligenz und Machine Learning sind hochaktuelle Themen in der Informatik. Fortschrittliche Technologien und Vorgehensweisen schaffen neue Einsatzfelder für Anwendungen, die Verhaltensweisen des Menschen erlernen und nachahmen. Dieses innovative Vorgehen birgt jedoch einige Gefahren. Das menschliche Verhalten ist nicht immer objektiv und korrekt. Oft beherrschen Vorurteile das Treffen menschlicher Entscheidungen, sodass Personen diskriminiert werden. Es besteht das Risiko, dass Maschinen diese Verhaltensweise übernehmen.
Hinzu kommt die fehlende Erklärbarkeit der Algorithmen. Je nach Modell ist nicht eindeutig, nach welchen Prinzipien eine Entscheidung getroffen wird. Das erschwert das Aufdecken von Diskriminierung und senkt die Vertrauenswürdigkeit des Systems.
In dieser Arbeit werden Ursachen für Diskriminierung und fehlende Transparenz, sowie Lösungsmethoden erarbeitet. Dabei wird erörtert, inwieweit die beiden Themen aufeinander einspielen und gemeinsam zur Qualität der Software beitragen.
Kompetenzen auf dem Gebiet der Datenbanken gehören zum Pflichtbereich der Informatik. Das Angebot an Lehrbüchern, Vorlesungsformaten und Tools lässt sich jedoch für Lehrende oft nur eingeschränkt in die eigene Lehre integrieren. Als Antwort auf diese Herausforderung werden im Projekt EILD.nrw digitale Inhalte für die Lehre in unterschiedlich konzipierten Studiengängen, Lehrmethoden und technischen Umgebungen entwickelt. Versehen mit einer Creative Commons (CC) Lizenzierung werden die Lerninhalte in der Digitalen Hochschule NRW zur Verfügung gestellt.
Zur Qualitätssicherung werden die im Projekt EILD.nrw erstellten Lern- und Lehrmodule wie Quizze, interaktive Tools und Lehrvideos in der aktuellen Lehre an der HSD eingesetzt und regelmäßig quantitativ und qualitativ evaluiert. Verbesserungen werden eingearbeitet und die Inhalte um Metadaten und Beschreibungen sowie Hinweise für Lehrende und Lernende erweitert. Im weiteren Verlauf des Projektes werden die entwickelten Inhalte jeweils durch die Projektpartner der anderen Hochschulen auch in ihren Kursen evaluiert. Die Evaluationen an der HSD werden mittels der Moodle-Aktivität „Feedback“ in verschiedenen Frequenzen und Zeiträumen durchgeführt. Zu den Aufgaben oder eingesetzten Tools werden quantitativ mittels skalierter Antworten die Themen Zufriedenheit, Gefallen, Bearbeitungszeit, Schwierigkeitsgrad, hilfreich für die Bearbeitung oder Benutzerfreundlichkeit abgefragt. Der qualitative Teil enthält in der Regel eine offene Frage mit der positiv formulierten Bitte um Verbesserungsvorschläge. Die Teilnahme am Feedback ist anonym, freiwillig und die bereits abgegebenen Bewertungen sind sichtbar für alle Kursteilnehmenden. Die Evaluationsergebnisse werden in den Lerneinheiten als Open Educational Resources (OER) dokumentiert, um Studierenden und Lehrenden eine Hilfe zur Auswahl an die Hand zu geben.
Das Landeskrebsregister (LKR) Nordrhein-Westfalen (NRW) erfasst Daten zu Krebserkrankungen von Patienten von Ärzten, Krankenhäusern, Pathologien und Meldeämtern aus ganz NRW um diese auszuwerten. Für die Auswertung müssen Daten, die den gleichen Patienten betreffen, zusammen- geführt werden. Zur Verknüpfung gibt es einen automatischen Record-Linkage Algorithmus, der aber bei ca. 5% aller Meldungen eine manuelle Entscheidung erfordert.
Um den Aufwand der manuellen Nachbearbeitung zu reduzieren, soll der Vorgang durch ein künstliches neuronales Netz automatisiert werden. Das künstliches neuronales Netz (KNN) soll mit dem LKR NRW vorliegenden Daten zu manuellen Entscheidungen trainiert werden. Dafür müssen die Daten vor der Verwendung umfangreich aufbereitet werden.
Das Ziel der Arbeit ist die Aufarbeitung und Aktualisierung eines vorliegenden Konzepts und die Implementierung eines Prototypen des Verfahrens. Der Prototyp soll in der Programmiersprache Java umgesetzt werden.
Die folgende Arbeit beginnt mit einer kurzen Einleitung über die Krankheit Krebs, das LKR NRW und KNN. Danach erläutere ich die Methodik, die sich mit und die Implementierung des Themas. In der Methodik erkläre ich was KNN sind und schneide ihre Funktionsweise an. Außerdem erkläre ich wie die Bereitstellung der Daten erfolgt und wie diese für das neuronale Netz verständlich aufbereitet werden. Zur Implementierung werde ich beschreiben was für eine Entwicklungsumgebung verwendet
wurde um das Projekt umzusetzen und wie das Programm umgesetzt wurde. Die Erklärung der Umsetzung besteht aus Unified Modeling Language (UML)-Diagrammen für die Datenaufbereitung und Code-Ausschnitte für die Konfiguration und Schnittstellen des KNN.
Das KNN konnte inklusive Datenaufbereitung erstellt werden und klassifiziert 94,4% der Fälle korrekt. Auf Grundlage dieser Arbeit kann das Projekt nachgebaut werden.
Der Informations-Kiosk bietet Studierenden Informationen über aktuelle und offene Projekte und Abschlussarbeiten, Veranstaltungen sowie Live-Daten zum Mensaangebot, Nahverkehr oder dem Wetter. Für diese Anwendung werden die Anforderungs- und die Risikoanalyse, die Gestaltung und die technische Realisierung gemäß den Phasen der Softwareentwicklung beschrieben. Der Kiosk wird mit einem CMS implementiert und durch einen Webserver im Labor zur Nutzung bereitgestellt. Es wird gezeigt, dass die Entwicklung alle Basis- und Leistungsanforderungen erfüllt und auf Grundlage der entwickelten Architektur des Continuous Software Development Entwicklung und Betrieb integriert.
Dieser Jahresbericht der Campus IT der Fachhochschule Düsseldorf ist ein Beleg für das weitere quantitative und qualitative Wachstum dieser Einrichtung. Eine moderne IT ist essentiell für die Wettbewerbsfähigkeit der Hochschulen. Die Campus IT hat im Jahr 2012 gezeigt, dass sie diesen Auftrag verstanden hat und mit Drittmitteleinnahmen dafür gesorgt hat, das Bild der modernen IT Realität werden zu lassen. Diesem Ziel verschreiben wir uns weiterhin, so dass die Hochschule auch in Zukunft auf eine moderne Campus IT setzen kann.
Das Jahr 2014 ist nach aktueller Planung das Umzugsjahr für die Campus IT auf den Campus Derendorf. Damit Fachbereiche, zentrale Einrichtungen sowie Hochschulverwaltung auf dem neuen Campus reibungslos IT und Te-lefonie nutzen können, wird die Campus IT noch an den alten Standorten die IT Umgebung an die neuen Bedin-gungen anpassen und sodann den neuen Campus in Betrieb nehmen. Die Liste der bis dahin zu stemmenden Pro-jekte ist lang – von der Mittelakquise bis hin zum Betrieb des Netzwerks, der Server und den Anwendungen sind hier vielfältige und zeitintensive Aufgaben zu bewältigen...
Marktdaten
(2018)
Die in der Schriftenreihe Trading verwendeten Forschungsdaten beinhalten historische Kursdaten, geliefert von Lenz+Partner AG (Deutschland), für eine Auswahl an Aktien. Die Datei „FEBRDUSA_1“ zeigt diese Auswahl in Form der deutschen Wertpapierkennnummer (Spalte „Titel“), des Handelszeitraums (Spalten „Beginn“ und „Ende“) und des Aktiennamens. Kursdaten sind in dieser Datei nicht enthalten, sondern liegen in einer umfangreichen Datenbank vor.
Die Marktdaten umfassen 867 Aktien und sind das Ergebnis eines im Jahr 2015 durchgeführten Auswahlprozesses mit dem Ziel, Datenqualität und Handelbarkeit der Aktien zu verbessern. Es wurden folgende Bedingungen gefordert:
- Die Aktien werden an der Frankfurter Börse gehandelt.
- Sie sind in einem der deutschen Aktienindizes DAX, MDAX, TECDAX, SDAX, HDAX, CDAX, Technology All Share, Prime All Share und GEX oder in den amerikanischen Aktienindizes S&P 500 oder Nasdaq 100 gelistet.
- Die Kursdaten der in Frankfurt gehandelten Aktien enden nicht vor dem Jahr 2014.
- Der (unbereinigte) Eröffnungskurs Ende 2013 beträgt mindestens 1 EUR. Diese Bedingung soll dazu beitragen, das Handeln von „penny stocks“ zu verhindern.
Die vorliegende Marktdefinition resultierte in 867 Aktien, die frühestens am 11. Dezember 2014 enden, sodass eine Auswertung der Marktdaten mit vollständigen Kurswerten bis zu diesem Zeitpunkt möglich ist. Der Markt ist groß genug, um interessante Kaufbedingungen mit einer ausreichend großen Anzahl an Kaufkandidaten zu untersuchen.