227-0197-00L Wearable Systems I
Semester | Herbstsemester 2017 |
Dozierende | G. Tröster, U. Blanke |
Periodizität | jährlich wiederkehrende Veranstaltung |
Lehrsprache | Englisch |
Lehrveranstaltungen
Nummer | Titel | Umfang | Dozierende | ||||
---|---|---|---|---|---|---|---|
227-0197-00 G | Wearable Systems I Course no longer offered after fall 2017. | 4 Std. |
| G. Tröster, U. Blanke |
Katalogdaten
Kurzbeschreibung | Kontexterkennung in mobilen Kommunikationssystemen (Mobiltelephon, Smart Watch, Wearable Computer) wird mit fortgeschrittenen Verfahren aus dem Bereich Sensor Data Fusion, Mustererkennung, Statistik, Data Mining und maschinelles Lernen erarbeitet. Kontext umfasst das Verhalten von Personen und Gruppen, deren Aktivitäten, sowie das lokale und soziale Umfeld. |
Lernziel | Unser 'Smart Phone' erkennt mit seinen eingebauten Sensoren und mit Daten aus der Umwelt in dem Internet (Crowd Sourcing) unseren Kontext, z.B. wo befinden wir uns, was tun wir, mit wem sind wir zusammen, wie geht es uns, was sind unsere möglichen Bedürfnisse. Basierend auf diesen Informationen kann uns das 'Smart Phone' situationsgerecht als persönlicher Assistent mit passenden Dienstleistungen verwöhnen. Die Kontexterkennung als zentrale Funktion mobiler Systeme bildet den Schwerpunkt dieser Vorlesung. Kontext umfasst das Verhalten von Personen und Gruppen, deren Aktivitäten, sowie das lokale und soziale Umfeld. Im Datenpfad von den Sensoren über die Segmentierung, Merkmalsextraktion und Clusterbildiung bis zur Klassifikation des Kontextes werden fortgeschrittene Verfahren der Signalverarbeitung, der Mustererkennung, der Statistik und des Maschinellen Lernens exemplarisch eingesetzt. Sensordaten, die über Crowdsourcing-Methoden gewonnen sind, werden in die Analysen eingebunden. Der Validierung mit MATLAB folgen eine Implementierung und Testphase auf einem Smartphone. |
Inhalt | Unser 'Smart Phone' erkennt mit seinen eingebauten Sensoren und mit Daten aus der Umwelt in dem Internet (Crowd Sourcing) unseren Kontext, z.B. wo befinden wir uns, was tun wir, mit wem sind wir zusammen, wie geht es uns, was sind unsere möglichen Bedürfnisse. Basierend auf diesen Informationen kann uns das 'Smart Phone' situationsgerecht als persönlicher Assistent mit passenden Dienstleistungen verwöhnen. Die Kontexterkennung als zentrale Funktion mobiler Systeme bildet den Schwerpunkt dieser Vorlesung. Kontext umfasst das Verhalten von Personen und Gruppen, deren Aktivitäten, sowie das lokale und soziale Umfeld. In der Vorlesung werden folgende Themen behandelt: Sensornetze, Sensordatenverarbeitung, Data Fusion, Zeitreihen (Segmentierung, Ähnlichkeitsmasse), überwachtes Lernen (LDA, Bayes Decision Theory, Entscheidungsbäume, Random Forest, kNN-Verfahren, Support Vector Machine, Adaboost, Deep Learning), Clustering (k-means, dbsan, topic models), Recommender Systems, Collaborative Filtering, Crowdsourcing. Die Übungen orientieren sich an konkreten Problemstellungen wie Gesten- und Bewegungserkennung mit verteilten Sensoren, Detektion von Aktivitätsmuster, Benutzung 'crowd-generierter' Daten sowie Bestimmung des lokalen Umfeldes. Präsentationen durch Doktorierende und der Besuch am Wearable Computing Lab führen ein in die aktuellen Forschungsthemen und die internationalen Forschungsprojekte. Sprache: deutsch/englisch (abhängig von den TeilnehmerInnen) |
Skript | Manuskript zu allen Lektionen, Übungen mit Musterlösungen. Link |
Literatur | Literatur wird in den jeweiligen Vorlesungseinheiten benannt |
Voraussetzungen / Besonderes | Keine speziellen Voraussetzungen erforderlich |
Leistungskontrolle
Information zur Leistungskontrolle (gültig bis die Lerneinheit neu gelesen wird) | |
Leistungskontrolle als Semesterkurs | |
ECTS Kreditpunkte | 6 KP |
Prüfende | G. Tröster, U. Blanke |
Form | Sessionsprüfung |
Prüfungssprache | Englisch |
Repetition | Die Leistungskontrolle wird in jeder Session angeboten. Die Repetition ist ohne erneute Belegung der Lerneinheit möglich. |
Prüfungsmodus | mündlich 30 Minuten |
Diese Angaben können noch zu Semesterbeginn aktualisiert werden; verbindlich sind die Angaben auf dem Prüfungsplan. |
Lernmaterialien
Keine öffentlichen Lernmaterialien verfügbar. | |
Es werden nur die öffentlichen Lernmaterialien aufgeführt. |
Gruppen
Keine Informationen zu Gruppen vorhanden. |
Einschränkungen
Keine zusätzlichen Belegungseinschränkungen vorhanden. |