Diplom-/ Masterarbeiten in Visual Data Science

Die Visual Analytics group des Kompetenzzentrums VRVis Forschungs-GmbH in Wien (direkt bei der U1 Station "VIC/Kaisermühlen") freut sich auf deine Unterstützung! Unsere Forschungsgruppe erarbeitet in einer freundlichen und inspirierenden Atmosphäre neue Lösungen für aktuelle Fragestellungen der Visual Data Science.

Wir suchen nach Studierenden (w/m), die bei ihrer Diplom- bzw. Masterarbeit den Praxisbezug gewährleisten wollen. Wir haben mehrere spannende Diplomarbeitsthemen zu vergeben (s. u.), die allesamt folgende Kriterien erfüllen:

  • Forschung in Kernbereichen der Visual Data Science
  • Nützlich und anwendbar, d. h. direkt auf die Praxisbedürfnisse namhafter Industriepartner in der Industrie 4.0 (z. B. RHI Magnesita), der Automobilindustrie (z. B. AVL List) und der Energiewirtschaft (z. B. Austrian Power Grid) ausgerichtet
  • Nutzung von Echtdaten zum Nutzen von und in Zusammenarbeit mit Domain-Experten unserer Industriepartner
  • Mitwirkung an unserer leistungsstarken Software Plattform "Visplore", die von mehr als 10 Unternehmen eingesetzt wird
  • Eine großartige Gelegenheit, praktische Erfahrungen in den Bereichen Data Science, Software-Engineering, C++, Multithreading-Programmierung und Visual Analytics zu sammeln
  • enge Einbindung und Unterstützung durch unser erfahrenes, motiviertes und sehr kollegiales Team
  • finanzielle Honorierung nach erfolgreichem Abschluss

Weitere Informationen zu unserer Forschungsgruppe: Visual Analytics.
Ein Video, welches unsere Software Visplore im industriellen Einsatz zeigt, gibt es auf unserem: YouTube-Kanal.

Thema: Mustererkennung in industriellen Prozessdaten

In der Industrie 4.0 erfassen eine Vielzahl von Sensoren permanent Daten über den Zustand von Maschinen und Umgebungsbedingungen. Es ist eine zentrale Zielstellung heutiger Wirtschaftsakteure, diese Masse an Daten für Aufgaben wie z.B. eine vorausschauende Wartung nutzbar zu machen. In dieser Diplomarbeit geht es um die Kombination von State-of-the-Art Methoden aus dem Bereich Zeitreihen-Mining mit Methoden aus Visual Analytics wie z. B. “Query by Example”. Anwender sollen in die Lage versetzt werden, Anomalien und kritische Prozesszustände exemplarisch in langen Industrie-Zeitreihen zu markieren und in Folge möglichst automatisch weitere Instanzen zu erkennen. Neben den Algorithmen sind die Gestaltung geeigneter Benutzeroberflächen für die Spezifizierung von Suchmustern sowie die effektive Darstellung von Ergebnissen wichtige Aspekte dieser Arbeit.

Thema: Schnellen Einblick durch Vorschlag intelligenter Ansichten

Beim Erforschen neuer Daten ist im Vorfeld oft unbekannt, welche Visualisierungen die interessantesten Erkenntnisse liefern. Ziel dieser Diplomarbeit ist es, die Zeit für die mitunter mühsame manuelle Identifizierung interessanter Ansichten auf industrielle Daten zu verkürzen, indem dem Anwender eine kleine Anzahl interessanter Ansichten vorgeschlagen wird. Diese können z. B. Ausreißer sowie unerwartete Verteilungen, Abhängigkeiten und Trends in den Daten aufdecken. Die Arbeit erfordert die Integration von Data Mining Techniken für eine automatisierte Suche nach interessanten Mustern mit der Schaffung eines intuitiven Überblicks über die verschiedenen Optionen.

Thema: Optimierte visuelle Workflows in Data-Science-Plattformen

Data Scientists arbeiten meist in Umgebungen wie Python oder R mit Tools wie Spyder, Jupyter Notebooks oder R Studio. Die Akzeptanz neuer interaktiver Visualisierungstechniken durch Anwender hängt in hohem Maße davon ab, wie leicht diese Techniken aus ihrer Umgebung heraus zugänglich sind. Ziel dieser Arbeit ist es, Möglichkeiten für eine enge Verknüpfung des Zugriffs auf das System Visplore aus diesen Umgebungen zu identifizieren und umzusetzen. Idealerweise beinhaltet die Verknüpfung neben dem beidseitigen Datenaustausch auch die Ermöglichung eines Zugriffs auf Techniken aus Machine Learning direkt aus den interaktiven Dashboards zwecks Erstellung und Validierung von Modellen. Die Diplomarbeit kann weitgehend auf bestehenden Implementierungen einer Verknüpfung der Systeme aufbauen (z. B. wird Python bereits in Visplore genutzt) mit dem Ziel, mögliche Anwendungsfälle noch einen Schritt weiter zu entwickeln.

Thema: Untersuchung zyklischer Daten und die interaktive Merkmalsextraktion

Viele Zeitreihen in der Industrie, der Medizin und anderen Bereichen bestehen aus einer Abfolge wiederkehrender Muster, etwa Zyklen aus der Serienfertigung („Batch Processing“). Ziel dieser Diplomarbeit ist es, auf Basis der Software Visplore ein interaktives Dashboard zu entwickeln, welches die Extraktion von Zyklen aus langen Zeitreihen erlaubt. Interaktive Ansichten sollen darauf basierend einen Vergleich von Zyklen nach unterschiedlichen Gesichtspunkten unterstützen sowie eine interaktive Extraktion relevanter Merkmale bereitstellen (z.B. für wie lange ein Zyklus einen benutzerdefinierten Schwellenwert überschreitet).

Bewerbungen

Bewerbungen sind jederzeit willkommen. Wir freuen uns besonders über Zusendungen von Bewerberinnen.

Interessierte sollten Erfahrungen im objektorientierten Programmieren (idealerweise C++) sowie Interesse an der Analyse von Daten mitbringen, ein Basiswissen zu Machine Learning Methoden haben und von den gängigsten Software Engineering Methoden gehört haben.

Bitte sende deine Themenwahl und Lebenslauf an Harald Piringer. Um diese Ausschreibung als PDF runterzuladen, bitte hier klicken.

Contact

Dr. Harald Piringer
VRVis Zentrum für Virtual Reality und Visualisierung
Forschungs-GmbH (Research Center)
Donau-City-Strasse 11, 1220 Vienna / Austria
Tel.: +43 1 908 9892 301
hp-@-vrvis.at
Visual Analytics