Time: | Dienstag, 10:00 |
Location: | APB 3044 |
Quantity: | 0V/0Ü/8P SWS |
Language: | Deutsch (English on request) |
Modules: | INF-PM-FPA, INF-04-KP, MINF-04-KP-FG3 |
Im Rahmen der Forschungsprojekte ReEF und GOFLEX wurde die Benchmark-Plattform ECAST entwickelt. ECAST erstellt Prognosemodelle für verschiedene Prognosemethoden und -anforderungen und vergleicht sie hinsichtlich ihrer Genauigkeit und ihrer Rechenkosten. ECAST bietet dabei einen Mehrbenutzerbetrieb, durch den Datensätze und Prognosemethoden gemeinsam genutzt und Benchmarks verschiedener Nutzer nacheinander ausgeführt werden.
Insgesamt gibt es im Rahmen dieses Praktikums drei Aufgaben, die von den Studierenden bearbeitet werden können.
Bisher bearbeitet lediglich ein Worker die Benchmark- Anfragen sequentiell. Dadurch erfolgt noch keine parallele Abarbeitung der Warteschlange, wodurch die Leistung des ECAST-Servers nicht komplett ausgenutzt und ein Mehrbenutzerbetrieb bei komplexen Benchmarks nicht möglich ist.
Ziel dieser Aufgabe ist es, einen Workerpool in ECAST einzurichten, um eine parallele Bearbeitung von Benchmarks zu ermöglichen. Hierzu gehören die folgenden Teilaufgaben:
Bisher bewertet ECAST die Prognosegenauigkeit auf lediglich einem relativen Fehlermaß. Eine Bewertung und Vergleich mehrerer Fehlermaße und darüber hinaus die monetäre Bewertung von Prognosen bietet dabei mehr Verständnis für den Effekt des Prognosefehlers.
Ziel bei dieser Aufgabe ist die Integration nutzerdefinierter Fehlermaße und ihre Vergleichbarkeit in ECAST. Hierzu gehören folgende Teilaufgaben:
Das ECAST-Framework hat bisher verschiedene Entwicklungsstadien durchlaufen und dabei umfangreiche funktionale Erweiterungen erhalten. Um den vorhandenen Prototypen in eine produktiv nutzbare Web-Anwendung zu überführen, ist daher eine Konsolidierung bzw. ein Redesign der Benutzeroberfläche notwendig. Dies umfasst die Entwicklung eines Corporate Layouts unter Verwendung geeigneter Stilmittel sowie unter Berücksichtigung der technischen Besonderheiten wie z.B. beim Einsatz verschiedener Endgeräte oder Web-Browsern.
Die Studierenden sollten Kenntnisse zum Data-Mining-Prozess, zum Beispiel über die Vorlesung Datenintegration und -analyse, besitzen. Das Wissen zur Zeitreihenprognose kann im Forschungspraktikum erworben werden.
Die Studierenden müssen Kenntnisse in Java-Programmierung oder Web-Design besitzen. Die Programmiersprache R zu beherrschen ist von Vorteil.
Die Anmeldung zum Forschungspraktikum erfolgt per E-Mail an Lars Kegel.
Die Kick-off-Präsentation des Praktikums findet zu Beginn des Sommersemesters statt. Der genaue Zeitpunkt wird gesondert bekanntgegeben.
Das Praktikum kann als Gruppen- oder Einzelarbeit absolviert werden, was beim Kick-off festgelegt wird. Bei einer Gruppenarbeit erhalten entweder alle Gruppenmitglieder den Forschungspraktikumsschein oder niemand, es sei denn, ein Gruppenmitglied scheidet vorzeitig aus dem Praktikum aus.