Deutsch Intern
    Data Science Chair

    Seminar: Ausgewählte Themen des Machine Learning (BA)

    Veranstalter: Prof. Dr. Andreas Hotho, Alexander Dallmann

    Wichtig: Wir haben das Seminar für Bachelor und Master Studenten getrennt. Falls Sie das Seminar im Master belegen möchten, finden Sie Informationen auf den entsprechenden Seiten: Link

    Bei Fragen oder zur Reservierung eines Platzes nutzen Sie bitte die Adresse lsx-seminar@informatik.uni-wuerzburg.de.
    Bitte geben Sie unbedingt ihren Studiengang und die Matrikelnummer bei der Reservierung an.

    PS: Sie können sich einen Platz im Seminar bereits reservieren, bevor wir die Themen bekannt geben. So haben Sie einen Platz bereits sicher. 

    WueCampus-Kurs: https://wuecampus.uni-wuerzburg.de/moodle/course/view.php?id=51992

    BibSonomy Gruppe: -> Wuecampus

    Informationsveranstaltung: Mittwoch, 27.04.22  10:30 - 11:30 Uhr
    Zoom-Meeting: https://uni-wuerzburg.zoom.us/j/91484472209?pwd=Tk9MMkczYmF3T0VnbkFxYTZ5a3BMQT09

    !Achtung!: Das Zoom-Meeting ist so konfiguriert, dass nur Benutzer der Universität beitreten können.

    !Attention!: Only users associated with the university can access the Zoom Meeting!

    Erste Abgabe:      TBA
    Review Abgabe:  TBA
    Finale Abgabe:    TBA

    Zusammenfassung jeweils eine Woche vor dem Vortrag abgeben!
    Vorträge:              TBA

    Corona News

    Aufgrund der weiter angespannten Corona Lage wird das Seminar zunächst weiter Online durchgeführt.
    Aktuelle Informationen zu der Veranstaltung geben wir später im Wuecampus Kurs bekannt.

    Im Rahmen der Informationsveranstaltung werden wir mit den Teilnehmern darüber abstimmen, ob die Vorträge in Präsenz erfolgen können. Natürlich vorbehaltlich weiter rückläufiger Infektionszahlen im Sommer.

    Alle Besprechungen werden nach aktuellem Stand über ZOOM veranstaltet. Wir bitten um eine funktionierende Kamera. 

    ZOOM
    ZOOM benötigt einen vorinstallierten Client, der unter https://zoom.us/download verfügbar ist. Ein Account wird zur Teilnahme allerdings nicht benötigt. ZOOM ist außerdem auch auf Android und IOS verfügbar.
    (ZOOM funktioniert auch im Browser. Diese Variante können wir aber aufgrund der schlechteren Performance nicht empfehlen.)

    Aktuelle Details werden im Ankündigungsforum des WueCampus2 Kurses geteilt.
    Bleiben Sie gesund!

    Themenvergabe und Vorbesprechung

    Die Themen werden im Rahmen der Informationsveranstaltung nach Eingang der Anmeldung vergeben. Bitte überlegen Sie sich im Vorfeld, welche Themen Sie interessieren, sodass die Vergabe zügig von statten geht.

    Bei der Informationsveranstaltung besteht Anwesenheitspflicht. Teilnehmer, die ohne Absprache fehlen, verlieren den Anspruch auf ihren Platz. Es kommen dann anwesende Teilnehmer von der Warteliste zum Zug.

    Konzept und Ablauf des Seminars

    Im Zentrum dieses Seminars steht ein wissenschaftlicher Artikel und ein darin verwendetes Konzept. Ein Beispiel wäre das Paper 

    MixedTrails: Bayesian hypothesis comparison on heterogeneous sequential data von Martin Becker, Florian Lemmerich, Philipp Singer, Markus Strohmaier, Andreas Hotho

    In dem folgendes Konzept eine zentrale Rolle spielt:  Bayes Factor 

    Im Rahmen des Seminars soll nun das Konzept aufgearbeitet und verwandte Literatur gesucht werden. Das Ziel ist es, in Ausarbeitung und dem Vortrag des Seminars das gegebene Konzept unter Verwendung entsprechender Referenzen verständlich einzuführen und zu erklären und die Methode des wissenschaftlichen Artikels vorzustellen. Außerdem sollen eine Erweiterung der Methode oder die Übertragung auf eine andere Domäne aus anderen Artikeln beleuchtet werden.

    Der Ablauf des Seminar ist wie folgt:

    • Zuerst wird die Ausarbeitung angefertigt. 
    • Dann wird die Arbeit abgegeben und begutachtet. Diese Begutachtung erfolgt durch den Betreuer und anonym durch zwei andere Seminarteilnehmer. Das heisst, jeder Seminarteilnehmer, muss je zwei Beurteilungen für andere Seminarteilnehmer anfertigen. Die Begutachtungen gehen zurück an den Autor, der dann die Möglichkeit hat, seine Ausarbeitung zu überarbeiten.  
    • Dann wird zeitgleich der Vortrag (20 Minuten Vortrag, 10 Minuten Fragen) und eine kurze Zusammenfassung (~1000 Zeichen) vorbereitet.
    • Der Vortrag wird dann in Blockveranstaltungen gehalten. Bei den Blockveranstaltungen besteht Anwesenheitspflicht. 

    Themen

    Die Grundlage zu den Vorträgen bilden wissenschaftliche Aufsätze (Papers). Jedes hier aufgeführte Paper entspricht einem Thema.

    • themenrelevante Paper sind mit dem Tag thema versehen
    • die einzelnen Themen werden anhand der Tags thema:x, thema:y, etc. unterschieden
    • Ziel des Seminars ist es NICHT den Inhalt des Papers zusammenzufassen, sondern das Thema, das durch das Tag thema:x gegeben ist, aufzuarbeiten.
    • die Tags findet man auf BibSonomy in der entsprechenden Gruppe (siehe oben)

    Die Themen für das Sommersemester 2022 werden erst kurze Zeit vor Vorlesungsbeginn veröffentlicht. 

    Bei der Erstbesprechung werden übrige bzw. wieder frei gewordene Themen an anwesende Studenten verteilt. Wer möchte kann sich dafür auch auf eine Warteliste eintragen lassen (Anwesenheit trotzdem erforderlich). 

    Offene Themen

    • Artificial Neural Networks for Solving Ordinary and Partial Differential Equations. Lagaris, I. E.; Likas, A.; Fotiadis, D. I. 1997.
    • Contextual Sequence Modeling for Recommendation with Recurrent Neural Networks. Smirnova, Elena; Vasile, Flavian. In Proceedings of the 2nd Workshop on Deep Learning for Recommender Systems. {ACM}, 2017.
    • Deep Equilibrium Models. Bai, Shaojie; Kolter, J. Zico; Koltun, Vladlen. 2019.
    • Deep residual learning for image recognition. He, Kaiming; Zhang, Xiangyu; Ren, Shaoqing; Sun, Jian. In Proceedings of the IEEE conference on computer vision and pattern recognition, bll 770–778. 2016.
    • Hyperbolic graph convolutional neural networks. Chami, Ines; Ying, Zhitao; R{é}, Christopher; Leskovec, Jure. In Advances in neural information processing systems, 32. 2019.
    • Inductive representation learning on large graphs. Hamilton, Will; Ying, Zhitao; Leskovec, Jure. In Advances in neural information processing systems, 30. 2017.
    • Learning to Simulate Complex Physics with Graph Networks. Sanchez-Gonzalez, Alvaro; Godwin, Jonathan; Pfaff, Tobias; Ying, Rex; Leskovec, Jure; Battaglia, Peter W. 2020.
    • Multi-hop attention graph neural network. Wang, Guangtao; Ying, Rex; Huang, Jing; Leskovec, Jure. In arXiv preprint arXiv:2009.14332. 2020.
    • Self-Attentive Sequential Recommendation. Kang, Wang-Cheng; McAuley, Julian J. In ICDM, bll 197–206. IEEE Computer Society, 2018.
    • U-net: Convolutional networks for biomedical image segmentation. Ronneberger, Olaf; Fischer, Philipp; Brox, Thomas. In International Conference on Medical image computing and computer-assisted intervention, bll 234–241. Springer, 2015.
    • What to Do Next: Modeling User Behaviors by Time-LSTM. Zhu, Yu; Li, Hao; Liao, Yikang; Wang, Beidou; Guan, Ziyu; Liu, Haifeng; Cai, Deng. bll 3602–3608. 2017.

    Leistungsnachweis

    Zum Ablauf der oben angegebenen Bearbeitungsfristen sind jeweils per Email als PDF dem Betreuer abzugeben:

    • eine genau 6-seitige LaTeX-Ausarbeitung im hier beschriebenen Format (doppelspaltig, inklusive Bibliographie) 
      • eine erste Version zur Begutachtung
      • die finale Version 
    • die zwei Begutachtungen anderer Arbeiten
    • eine Zusammenfassung der Arbeit (~1000 Zeichen)
    • der Foliensatz

    Vorherige Absprachen mit dem Betreuer sind ausdrücklich erwünscht. Alle verwendeten Referenzen sind zusätzlich zum Literaturverzeichnis der Ausarbeitung in http://www.bibsonomy.org in der entsprechenden Gruppe (relevant for) mit den Tags des jeweiligen Themas und weiteren sinnvollen Tags zu versehen.

    Die Vortragsdauer beträgt verbindlich 20 Minuten, nach dem Vortrag besteht Gelegenheit zur Diskussion (ca. 10 Minuten). Der Vortrag (inkl. Folien und Abstract), die Ausarbeitung, sowie die angefertigeten Reviews gehen in die Note ein. Außerdem fließg die Eigenständigkeit bei der Erstellung der Ausarbeitung, Einhaltung von Terminen, Beteiligung am Seminar etc. in die Note ein.

    Bearbeitungshinweise

    Als Richtlinie für die Erstellung einer guten Seminararbeit (inkl. Vortrag und Ausarbeitung) wird das Buch

    Markus Deininger and Horst Lichter and Jochen Ludewig and Kurt Schneider. Studien-Arbeiten: ein Leitfaden zur Vorbereitung, Durchführung und Betreuung von Studien-, Diplom- Abschluss- und Doktorarbeiten am Beispiel Informatik. 5. Auflage. vdf Hochschulverlag, Zürich, 2005. 

    empfohlen, welches beim Betreuer des Seminars (Prof. Dr. Andreas Hotho) ausliegt. Wir empfehlen die Anschaffung dieses Buchs (9,50 €), da es Sie bis zur Masterarbeit (und weiter) begleiten kann.