Intern
    Data Science Chair

    Praktikum: Machine Learning for Time Series Analysis

    Veranstalter: Prof. Dr. Andreas Hotho, Dr. Anna Krause, Melanie Schaller

    Umfang: 5 ECTS

    Kurzbezeichnung: 10-I=PRJAK

    WueCampus-Kurs: Folgt

    Kickoff-Termin: 

    Anmeldung: lsx-ts-project[at]informatik.uni-wuerzburg.de (ab sofort)

    Konzept

    In diesem Master-Praktikum werden sich die Studierenden mit den Methoden der Zeitreihenanalyse beschäftigen. Dabei arbeiten sie in Kleingruppen an Audio-Datensätzen, um damit ein Modell zur Klassifikation zu entwickeln. Die Kleingruppen bearbeiten dabei dieselbe Fragestellung. Am Ende des Semesters werden die unterschiedlichen Ansätze und Lösungen vorgestellt und auf einem Test-Datensatz evaluiert.

    Im Zentrum dieses Praktikums steht das Erlernen von ML-Methoden und das wissenschaftlich fundierte Entwickeln von kreativen neuen Ansätzen, um das gesetzte Ziel zu erreichen.

    Inhalt

    In diesem Semester analysieren wir den BirdClef2022 Datensatz (link) teilzunehmen. Der BirdClef2022 Datensatz enthält Audiosamples von Hawai'ianischen Vögeln. Die besonderen Herausforderungen dieses Datensatzes sind: (1) die Audioaufnahmen wurden in der Natur gemacht, (2) der Datensatz ist unbalanciert. Ziel des Praktikums ist es, ein ML-Modell zu trainieren, das die Vögel anhand der Audiosamples klassifiziert, und die Performance des Modells auszuwerten.

    Ablauf

    In der Bearbeitung der gegebenen Fragestellung innerhalb dieses Praktikums sind die Studierenden sehr frei. Treffen in der Großgruppe sind für alle Teilnehmende im Zwei-Wochen-Rhythmus angesetzt. Bei diesen Treffen werden Zwischenstände präsentiert (evtl. mit kurzen Präsentationen), Fragen geklärt und Probleme diskutiert.

    Am Ende des Semesters sollte jede Kleingruppe ein funktionierendes System vorweisen können, welches auf einem separaten Test-Datensatz evaluiert wird. Bei einem gut funktionierenden System, besteht die Möglichkeit einer wissenschaftlichen Veröffentlichung.

    Zum Start ist ein Kickoff-Termin in der ersten Vorlesungswoche geplant. Dieser wird über Zoom stattfinden. Da die oben genannte Challenge bereits läuft, kann schon vor Start des Semesters mit der Bearbeitung begonnen werden. Wir empfehlen Ihnen einen frühzeitigen Start, falls Sie Ihre Ergebnisse auch bei der Challenge einreichen wollen. Melden Sie sich dazu ab sofort bei uns per Mail an die oben genannte Mail. Gerne können Sie sich auch direkt als Gruppe bei uns melden (3-5 Teilnehmende).

    Leistungsnachweis

    Am Ende des Semesters stellt jede Gruppe ihren Ansatz in einer 15-30 Minuten langen Präsentation vor. Außerdem ist ein Praktikumsbericht im Umfang von 10-15 Seiten abzugeben.