- Angewandte Elektrotechnik
- Angewandte Informatik
- Automatisierungstechnik
- Elektronik und Signalverarbeitung
- Hardwarenahe IT-Systeme
- ITK-Infrastrukturen und -Dienste
- Konstruktion und CAE
- Mechanik und Fahrzeugdynamik
- Physik und Werkstoffkunde
- Regelungs- und Fahrzeugsystemtechnik
- Roboter- und Rechnertechnik
- Softwaretechnik
- Wirtschaftsinformatik
Angewandte Informatik
Herzlich willkommen auf den Seiten der AG Angewandte Informatik unter Leitung von Prof. Dr. Jörg Frochte. Die Arbeitsgruppe ist dem Fachbereich Elektrotechnik und Informatik zugeordnet und primär am Campus Velbert/Heiligenhaus tätig. Der Fokus unserer Tätigkeit in Lehre und Forschung liegt auf den beiden Themen
- Maschinelles Lernen und Data Mining
- Modellbildung und Simulation
Im Feld des maschinellen Lernen und Data Minings ist die Arbeitsgruppe in der Bergische Innovationsplattform für Künstliche Intelligenz aktiv und u.a. mit Wissenschaftlern von der Bergischen Universität Wuppertal im Rahmen des interdisziplinären Zentrums „Machine Learning and Data Analytics“ vernetzt. Daneben pflegen wir Kooperationen mit Kollegen aus Weimar, Leipzig, Lemgo, Wellington (Neuseeland) ...
Seit 2019/20 ist die Arbeitsgruppe auch besonders aktiv im Weiterbidungsprojekt WeAI der Hochschule Bochum, welches Informatikern, Ingenieuren und Naturwissenschaftlern aus der Praxis im Bereich "Maschinelles Lernen" eine praxisnahe Form der Fort- und Weiterbildung auf höchstem fachlichen Niveau bietet.
Mitglieder der Arbeitsgruppe
Stellen WHK / SHK
Eine WHK ist i.d.R. eine Person die bereits über einen Bachelor-Abschluss verfügt und in einem Master-Studiengang eingeschrieben ist. Eine SHK ist eine in einem Bachelor-Studiengang eingeschriebene Person ohne Abschluss.
Im AKIS bzw. den beteiligten Arbeitsgruppen sind aktuell keine Stellen als SHK/WHK zu besetzen.
Forschung
Field of Interest
Die Arbeitsgruppe ist bisher aktiv in den Bereichen:
- Simulation Data Mining: Anwendung von Data Mining auf Datenbestände aus Simulationen
- Educational Data Mining: Anwendung von Data Minning auf Lern- und Prüfungsdaten
- Maschinelles Lernen im Bereich autonomer Roboter in Kooperation mit dem Kollegen M. Schmidt
- Maschinelles Lernen und AI im Bereich Computer-Spiele und virtuellen Umgebungen
Wir sind darüber hinaus immer offen für neue spannende Anwendungen im Umfeld des maschinellen Lernens.
F&E-Projekte
Aktuell arbeiten wir im Bereich „maschinelles Lernen“ an den beiden folgenden Themen:
- Learning of Ill-Posed Problems
- Learning on Vertically Partitioned Data
Weitere Informationen finden Sie auf der englischen Webseite und unter Publikationen.
TIMALIE - TIered MAchine Learning ArchItEctures (2019 - 2022)
Die Forschung dieses Projekts fokussiert sich auf gestufte Lernverfahren. Mit Hilfe der erforschten Ansätzen wollen wir in den folgenden Problemfeldern Fortschritte erzielen:
- Lernende Autonome Systeme bei limitierten Resourcen
- Datenschutz & Datensicherheit beim Lernen in der Cloud
- Verbesserter Umgang mit lückenhaften Datensätzen
Das Projekt ist Teil der Bergische Innovationsplattform für Künstliche Intelligenz. Dieses Vorhaben wird aus Mitteln des Europäischen Fonds für regionale Entwicklung (EFRE) gefördert.
DIBS- Data Mining zur Beratung von Studierenden (2015-2016)
DIBS (Data MIning zur Beratung von Studierenden) ist ein amerikanischer Slang-Ausdruck und könnte wohl im Deutschen am besten mit "Erster!" als Ausruf übersetzt werden. In diesem Sinne geht es darum Ansätze zuverwirklichen, die es ermöglichen Gefahren für einen Studienabbruch frühzeitig zu erkennen. Durchgeführt wurde hierzu eine erste Studie unter besondern Berücksichtigungen des Datenschutzes und der Datensicherheit in lernen Systemen und Verfahren. Das Projekt wurde gefördert durch das Land NRW.
SimCloud (2012-2015)
SimCloud ist ein durch das BMBF unterstütztes Projekt zur Integration einer Finiten Element Simulation in eine Cloud Architektur. Ziel ist in einen Prototyp einen durchgängigen Workflow für eine Cloud-basierte FEM-Anwendung zu realisieren. Wesentlich hierbei sind die Aspekte Sicherheit und Benutzerunterstützung. Bei der Verteilung auf hetrogene Strukturen machten wir intensive Verwendung von maschinellen Lerntechniken. Das Projekt wurde gefördert durch das BMBF.
Publikationen
Textbook:
- Maschinelles Lernen: Grundlagen und Algorithmen in Python (3. erweiterte und korrigierte Auflage)
published by the Hanser Fachbuchverlag, Nov. 2020; ISBN-13: 978-3446461444 ; 616 Pages - Maschinelles Lernen: Grundlagen und Algorithmen in Python (2. korrigierte Auflage)
published by the Hanser Fachbuchverlag, Jan. 2019; ISBN-13: 978-3446459960 ; 406 Pages - Maschinelles Lernen: Grundlagen und Algorithmen in Python (1. Auflage)
published by the Hanser Fachbuchverlag, Aug. 2018; ISBN-10: 3446446656; ISBN-13: 978-3446446656; 406 Pages - Finite-Elemente-Methode: Eine praxisbezogene Einführung mit GNU Octave/MATLAB (1. Auflage)
published by the Hanser Fachbuchverlag, Oct. 2016; ISBN-10: 3446452915; ISBN-13: 978-3446452916; 320 Pages
The papers below are all peer-reviewed publications:
- Towards Explainability in Modern Educational Data Mining: A Survey
Basile Tousside, Yashwanth Dama and Jörg Frochte published in: Proceedings of the 14th International Joint Conference on Knowledge Discovery, Knowledge Engineering and Knowledge Management. Pages 212-220. DOI, PDF, BibTex - Group and Exclusive Sparse Regularization-based Continual Learning of CNNs
Basile Tousside, Janis Mohr and Jörg Frochte published in: Proceedings of the 35th Canadian Conference on Artificial Intelligence. DOI, PDF, BibTex - Investigation of Capsule Networks Regarding their Potential of Explainability and Image Rankings
Felizia Quetscher, Christof Kaufmann and Jörg Frochte published in: Proceedings of the 14th International Conference on Agents and Artificial Intelligence - Volume 3: ICAART 2022, ISBN 978-989-758-547-0, pages 343-351. (DOI link), (BibTeX), (PDF) - Regression learning on patches
joint work with Stephen Marsland accepted for publishing at the AusDM 2020 A Learning Approach for Optimizing Robot Behavior Selection Algorithm
Basile Tousside, Janis Mohr, Marco Schmidt and Jörg Frochte published in: Chan C.S. et al. (eds) Intelligent Robotics and Applications. ICIRA 2020. Lecture Notes in Computer Science, vol 12595. Springer, Cham. (Link); BibTex ; PrePrint version (pdf)- Learning Approach for Ill-Posed Optimisation Problems
joint work with Stephen Marsland pubished in : Le T. et al. (eds) Data Mining. AusDM 2019. Communications in Computer and Information Science, vol 1127, pp 16-27, Springer (Link); BibTex ; PrePrint version (pdf) -- used data for example 2 zip, example 4 zip. Details about example 3 are discussed in Goal-shot, a benchmark problem for ill-posed problems see below - Case Study On Model-based Application of Machine Learning Using Small CAD Databases for Cost Estimation
joint work with Stefan Börzel published in the Proceedings of the 12th International Conference on Knowledge Discovery and Information Retrieval (KDIR 2019), September 2019 in Vienna Austria; BibTex; PrePrint version (pdf), SciTePress - Concerning the Integration of Machine Learning Contents in Mechatronics Curricula
joint work with Markus Lemmen and Marco Schmidt published as chapter in the book “
Revolutionizing Education in the Age of AI and Machine Learning” (IGI Global) ; BibTex - Seamless Integration of Machine Learning Contents in Mechatronics Curricula
joint work with Markus Lemmen and Marco Schmidt to be published in the Proceedings of the IEEE
19th International Conference on Research and Education in Mechatronics (REM 2018), June 2018 in Delft, Netherlands (pdf in der IEEE Xplore); BibTex - Success Prediction System for Student Counseling Using Data Mining joint work with Irina Bernst accepted for publication in the Proceedings of the International Conference on Knowledge Discovery and Information Retrieval, November 2016
- A Case Study on FMU as Co-Simulation Exchange Format for FEM Models
joint work with Christof Kaufmann accepted for publication in the Proceedings of the International Conference on Applied Computing 2016 (Mannheim, Co-Organized by the University of Mannheim), October 2016
On learning assistance systems for numerical simulation
joint work with Irina Bernst and Christof Kaufmann published in IJCSIS 11.1 (2016), S. 115–133. ISSN: 1646-3692. BibTex, PrePrint version (pdf)
Learning Load Balancing for Simulation in Heterogeneous Systems
joint work with Irina Bernst and Christof Kaufmann published in the Proceedings of the 12th International Conference on Applied Computing 2015 (Greater Dublin, Ireland), ISBN - 978-989-8533-45-6 pages 121 - 128, BibTex, PrePrint version (pdf)
Influence of Plant Model Variants for the Automatic Optimisation of Control Parameters
joint work with Patrick Bouillon and Markus Lemmen published in in the Proceedings of the 16th International Conference on Research and Education in Mechatronics (Bochum, Germany), ISBN - 978-3-945728-01-7; pages 80-87 BibTex, PrePrint version (pdf)
Simulation- and Web-Based E-Learning in Engineering - Open Source Architecture and Didactic Issues -
joint work with Patrick Bouillon published in in the Proceedings of the 16th International Conference on Research and Education in Mechatronics (Bochum, Germany), ISBN - 978-3-945728-01-7; pages 127-134 BibTex, PrePrint version (pdf)
An Approach For Secure Cloud Computing for FEM Simulation
joint work with Christof Kaufmann and Patrick Bouillon;
published in the Proceedings of the IADIS International Conference on Applied Computing 2014; ISBN - 978-989-8533-25-8; pages 234-239, PrePrint version ( pdf)An Approach for Load Balancing for Simulation in Heterogeneous Distributed Systems using Simulation Data Mining
joint work with Irina Bernst, Patrick Bouillon and Christof Kaufmann;
published in the Proceedings of the IADIS International Conference on Applied Computing 2014; ISBN - 978-989-8533-25-8; pages 254-259 PrePrint version ( pdf)
Learning Overlap Optimization for Domain Decomposition Methods
joint work with Steven Burrows, Benno Stein, Michael Völske and Ana Belén Martínez Torres;
accepted for publishing at the 17th Pacific-Asia Conference on Knowledge Discovery and Data Mining ( PAKDD 2013)- Simulation Data Mining for Supporting Bridge Design.
joint work with Steven Burrows, Benno Stein, David Wiesner and Katja Müller.
published in Proc. Australasian Data Mining Conference (AusDM 11), Ballarat, Australia; pages 71-79, December 2011. ACM. ISBN 978-1-921770-02-9
BibTex, PrePrint version ( pdf), AusDM Online Version
- Evaluation and Adaptation of Techniques for Higher Index DAE with Respect to Real-Time Simulation
ASIM 2011 Proceedings, September 2011, Winterthur (Switzerland)
ISBN/ISSN: 978-3-899677331 (print-version), 978-3-905745443(CD)
BibTex, PrePrint version ( pdf)
- Modelica Simulator Compatibility - Today and in Future
Proceedings 8th International Modelica Conference, Dresden, March 2011
BibTex, PrePrint version ( pdf), Modelica Proceedings
- A numerical Method for a Nonlinear Spatial Population Model with a Continuous Delay
International Conference of Numerical Analysis and Applied Mathematics 2010
AIP Conference Proceedings 1281; ISBN 978-0-7354-0834-0
BibTex, PrePrint version ( pdf), AIP Online Version
- A Splitting Technique of Higher Order for the Navier-Stokes Equations
joint work with Wilhelm Heinrichs
published in Journal of Computational and Applied Mathematics (2009)
BibTex, PrePrint version ( pdf), Science Direct Online Version
- An Adaptive Higher Order Method in Time for Partial Integro-Differential Equations
International Conference on Numerical Analysis and Applied Mathematics 2008
AIP Conference Proceedings 1048; ISBN 978-0-7354-0576-9
BibTex, PrePrint version ( pdf), AIP Online Version
- A third order method for Convection-Diffusion Equations with a Delay term
Numerical mathematics and advanced applications.
Proceedings of ENUMATH 2007
Springer (2008). ISBN-10: 3540697764
BibTex, PrePrint version ( pdf), Springer Online Version
- An adaptive operator splitting of higher order for the Navier-Stokes equations
joint work with Wilhelm Heinrichs
Numerical mathematics and advanced applications.
Proceedings of ENUMATH 2005
Springer. pp. 871-879 (2006). ISBN 3-540-34287-7
BibTex, PrePrint Version ( pdf), Springer Online Version
Lehre
Mitglieder der Arbeitsgruppe betreuen folgende Lehrveranstaltungen an der Hochschule Bochum am Campus Velbert/Heiligenhaus. Die Namen entsprechender der neuen PO, die ab WS 2015/16 gilt. Eine internationale Webseite hierzu finden Sie hier.
Bachelor-Studiengänge
Passwort und Login für die Unterlagen werden jeweils in der Veranstaltung bekanntgeben.
- Analysis 2 ( Unterlagen, Hilfsmittel in der Klausur etc.)
- Maschinelles Lernen & Data Mining ( Unterlagen, Hilfsmittel in der Klausur etc.)
- Vertiefung Simulation ( Unterlagen etc. ) Prüfungsform ist hier i.d.R. eine Hausarbeit keine Klausur
"Maschinelles Lernen & Data Mining" kann auch in den Studiengängen der Informatik (Campus Bochum)Wahlmodul am CVH belegt werden.
Master-Studiengang
Im Rahmen des Master-Studiengangs Mechatronik und Informationstechnologie am CVH werden die folgenden Veranstaltungen angeboten
- Numerische Mathematik und Simulation ( Unterlagen, Hilfsmittel in der Klausur etc.),
- Angewandte Künstliche Intelligenz ( Unterlagen etc.)
Abgeschlossene Abschlussarbeiten in der Arbeitsgruppe
- 2023 – A. J. Fanyim Kamga: Bachelorarbeit mit dem Thema "Measuring Customer Satisfaction and Identifying Potential Improvement Areas in a Convenience Store using Customers Reviews & NLP-Techniques."
- 2023 – M. Wallitschek: Bachelorarbeit mit dem Thema "Erzeugung von Beschreibungen einzelner Bildelemente durch maschinelles Lernen zur Steigerung der Erklärbarkeit einer Klassifikation"
- 2022 – T. Überlackner: Bachelorarbeit mit dem Thema "Entwicklung eines Predictive Maintenance Systems auf Basis eines Deep Learning Modells"
- 2022 – M. Born: Bachelorarbeit mit dem Thema "Analyse der Eignung von piezoelektrischen Keramikkondensatoren in frequenzvariablen Resonanzinvertern zur Ansteuerung von BLDC-Motoren im elektrifizierten Antrieb"
- 2022 – M. Heimbach: Masterarbeit mit dem Thema "Performance-Vergleich verschiedener Reinforcement Learning Verfahren auf den beschränkten Rechenressourcen eines Kriechroboters"
- 2021 - F. Quetscher: Masterarbeit mit dem Thema "Investigation of Capsule Networks regarding the Explainability of Search Engine Rankings"
- 2021 - S. Meier: Masterarbeit mit dem Thema "Analyse und Vergleich von Verfahren in Predictive Maintenance"
- 2020 - L. Friedrichsen: Masterarbeit mit dem Thema "Impact of modularization on learning behavior and detection rate of Convolutional Neural Networks"
- 2020 - F. Breidenbach: Bachelorarbeit mit dem Thema "Objekterkennung durch maschinelles Lernen anhand von Oberflächentexturen -Ansatz auf der Basis von Convolutional Neural Network"
- 2019 - H. Richter: Masterarbeit mit dem Thema "Einsatzmöglichkeiten von Convolutional Neural Networks zur Klassifizierung von Vogelstimmen"
- 2019 - L. Jakob: Masterarbeit mit dem Thema "Transfer Learning für die Handgestenerkennung mit Bilddaten geringer Auflösung"
- 2018 - H. Richter: Bachelorarbeit mit dem Thema "Informationsextraktion aus Ausweisdokumenten mittels Deep Neural Networks"
- 2017 - P. Bouillon: Masterarbeit mit dem Thema "Simulation-Based Pretraining for a Multilevel Reinforcement Learning on Mobile Robots"
- 2017 - Tobias S. Fischer: Bachelorarbeit mit dem Thema "Nonintrusive Load Monitoring – Erkennung von Finite State Machines mittels Sequential Pattern Mining"
- 2016 - J. Beran: Masterarbeit mit den Thema: "Vergleich verschiedener Ansätze für lernende Agenten in strategischen Planspielen"
- 2015 - T. E. Preuß: Bachelorarbeit mit dem Thema: "Training eines Saugroboters in einer virtuellen Umgebung"
- 2015 - O. P. Müller: Masterarbeit mit dem Thema: "Klassifikation von Handgesten in drei Dimensionen mittels maschinellen Lernens"
- 2015 - J. Dambacher: externe Bachelorarbeit
- 2014 - P. Bouillon: Bachelorarbeit mit dem Thema: "Training eines humanoiden Roboters durch maschinelles Lernen"
- 2014 - D. Cziesla: Bachelorarbeit mit dem Thema: "3D Visualisierung technischer Daten in Webapplikationen"
Interesse an einer Abschlussarbeit in der angew. Informatik?
Wenn Sie als Studierender der Hochschule Bochum darüber nachdenken bei mir eine Bachelor- oder Masterthesis zu schreiben können Sie sich auf den Seiten Projekte und Abschlussarbeiten, Forschung und Entwicklung, sowie Publikationen über die Schwerpunkte der Arbeitsgruppe informieren. Generell gilt meiner Erfahrung nach: Wenn Sie mit einer eigenen Idee kommen oder wir gemeinsam ein Thema finden, dass Sie wirklich interessiert, werden die Ergebnisse im Allgemeinen gut sein. Wenn ihr Thema also in den Themengebieten auf diesen Seiten nicht vorkommt, lassen Sie sich dadurch zunächst nicht abschrecken, sondern präsentieren Sie ihre Idee einfach einmal.
Bzgl. der Form gelten i.W. die gleichen Hinweise wie unten für die Hausarbeiten. Wenn Sie unsicher sind sprechen Sie die offenen Fragen am besten direkt zu beginn der Arbeit an.
Die Arbeitsgruppe bietet regelmäßig die Optiona an im Umfeld des eigenen Themenschwerpunktes KIS-, Software- und Entwicklunsprojekte durchzuführen. Themenvorschläge unsererseits hängen regelmäßig in den Schaukästen. Sie dürfen aber natürlich auch gerne mit eigenen Ideen kommen.
Studierende der Informatik vom Standort Bochum mit Interesse am maschinellen Lernen bzw. angewandter KI sind für ihre Software-Projekte etc. natürlich auch willkommen.
Sie finden hier eine grobe Orientierung zum Verfassen einer Abschluss- oder Hausarbeit. Einmal als pdf und zum anderen auch eine komplette LaTeX-Vorlage (zip).
Bitte betrachten Sie dieses Beispiel lediglich als eine Orientierungshilfe. Es soll Ihnen einen Eindruck vermitteln wie eine Arbeit typischerweise aufgebaut ist und welche klassischen Fehler (s. z.B. Hinweis zum Umgang mit Quellen und Zitaten unten auf der Seite)man vermeiden sollte. Auch die Grundlagen müssen nicht immer Grundlagen heißen, sondern können als Überschrift auf die Arbeit hin abgewandelt werden.
Natürlich müssen Sie nicht LaTeX verwenden. Wer Word oder LibreOffice einsetzen möchte kann sich einfach dem pdf oben orientieren.Wer LaTeX unter Windows verwenden möchte, dem empfehle ich MiKTeX ( http://miktex.org/).
Bitte beachten Sie, dass Form und Zitattechnik wichtige Dinge in solchen Ausarbeitungen sind und sich auch in der Note niederschlagen. Nehmen Sie sich die Hinweise zu Herzen.
