Die Delegation der AAU beim European Women in Mathematics General Meeting 2018

Die European Women in Mathematics Association (EWM) hat vom 3. bis 7. September 2018 ihre Mitgliederversammlung am Institut für Mathematik der Karl-Franzens-Universität Graz abgehalten und das 30-jährige Bestehen gefeiert. In der von Elena Resmerita (Institut für Mathematics der AAU) mitorganisierten Konferenz wurden Elena Resmerita, als Vize-Obfrau des EWM-Verbandes, und Carola Schönlieb (Cambridge University), als Obfrau des EWM-Verbandes, für den Zeitraum 2018-2020 wiedergewählt. Mehr als hundert Mathematikerinnen aus ganz Europa trafen sich zu exzellenten wissenschaftlichen Vorträgen, Minisymposien und Poster-Präsentationen, Diskussionen und Networking:

https://sites.google.com/site/ewmgm18/

Auf Fehlersuche in Excel

Es ist eine Situation, die viele kennen: Ein umfangreicheres Excel-Dokument mit vielen Arbeitsblättern, Spalten und Zeilen – und am Ende kommt und kommt nicht das richtige Ergebnis heraus. Die Fehlersuche kann bei vielen Formeln und Verknüpfungen kompliziert werden. Patrick Koch arbeitet in dem FWF-geförderten Projekt „Debugging of spreadsheet programs (DEOS)“ daran, die Suche nach den Fehlern zu vereinfachen. Für eine Publikation dazu wurde er kürzlich mit dem „ACM SIGSOFT Distinguished Paper Award“ ausgezeichnet.

Weiterlesen →

Thema für Masterarbeit Informationsmanagement

Folgendes Thema wird am Institut für Angewandte Informatik angeboten:

„Analyse und Entwurf einer Informations- und Kommunikationsplattform auf Basis von Confluence“

Web-basierte Werkzeuge zur Informationssammlung, zum Informationsaustausch und zur Kommunikation sind heutzutage Standard in vielen Organisationen. Typische Beispiele sind Wissensmanagementsysteme, unternehmensinterne Wikis, Diskussionsforen oder einfach Dateiaustauschsysteme.

Gerade kleinere Unternehmen stehen hier oft vor der Problematik, dass kommerzielle Lösungen einen für den geplanten Einsatzzweck zu umfassenden Funktionsumfang besitzen, gleichzeitig aber nur mit größerem Aufwand an die organisatorischen Bedürfnisse angepasst werden können.

Im Rahmen der ausgeschriebenen Masterarbeit soll das System „Confluence“ der Firma Atlassian hinsichtlich der Einsatzbarkeit und Anwendbarkeit für ein Startup-Unternehmen im Bereich der politischen und wirtschaftlichen Strategieentwicklung und –kommunikation untersucht werden. Erwartetes Ergebnis der Masterarbeit ist eine Studie über Einsatzmöglichkeiten, Einschränkungen und Alternativen zur genannten Softwarelösung.

Das Thema eignet sich für Studierende des Informationsmanagements. Alternativ kann das Thema auch im Rahmen einer „Praxis“ (Abschnitt 6.1) bearbeitet werden.

Für weitere Informationen wenden Sie sich bitte an Herrn Prof. Dietmar Jannach , Forschungsgruppe Wirtschaftsinformatik/Information Systems.

Masterarbeit Detection of alpine activities using Smartphones

Student: Christoph Lagger

Betreuer: Peter Schartner

Unfälle im alpinen Gelände, sei es im Sommer bei Wanderungen oder im Winter beim Ski-Touren gehen, passieren unglücklicherweise täglich. Neben der bekannten und standardisierten Sicherheitsausrüstung (z.B. Lawinen Pieps) trägt auch jeder ein Smartphone mit sich welches mit mehreren Sensoren (wie z.B. Beschleunigungssensor und Gyroscope) ausgestattet ist. Zeit spielt bei Unfällen immer eine kritische Rolle, daher könnte eine genaue und wichtige Erkennung dieser Ereignisse (in Form einer mobilen Applikation) die Rettungskette automatisch in Gang setzen und bei Rettungseinsätzen unterstützen. In dieser Arbeit verwenden wir Machine Learning um Bewegungsprofile oder Aktivitäten wie zB. Aufwärts/Abwärts gehen, Abwärts Ski-Fahren, Pause oder im schlimmsten Fall eine Notfall Situation zu erkennen. Ein großes Datenset von Bewegungsprofilen (7 days, 19 hours, 21 minutes and 22 seconds) von allen verfügbaren Smartphone Sensoren wurde während den Aktivitäten im alpinen Geländer aufgenommen. Die Bewegungsprofile wurden analysiert und ein umfangreiches Trainings Datenset erstellt. Das Ziel war es die beste Kombination von Sensoren, Algorithmen, Features und Sliding Window Parametern zu finden um eine genaue Erkennung zu erreichen. Dazu wurde ein Framework entwickelt um automatisiert eine Vielzahl an Experimenten durchführen und mittels 10-Fold Cross Validation vergleichen zu können. Weiters kann man die Bewegungsdaten sowie die Ergebnisse der Simulationen visualisieren. Die Ergebnisse der Experimente sowie die der Simulationen zeigten das der Random Forest Algorithmus mit den Gyroscope und Magnetometer Daten in Kombination mit einem 4-Sekunden Sliding Window und einer Überlappung von 20% unter der Verwendung der Features Root Mean Square, Mean, Signal Vector Magnitude, Energy, Variance, und Standard Deviation einen vielversprechenden F-Measure von 0.975 aufweist.

Abbildung 1: Schlüsselaktivitäten und die zugehörige Simulation unter Verwendung der vielversprechendsten Algorithmen, Sensoren, Features und Sliding Window Parametern. (Blau=Pause, Grün=Bewegung OK, Rot=Unfall)