Lehrinhalt:

Graph-Theorie und Datenanalyse sind fundamental wichtige Grundlagen der Informatik, welche zusammen eine neue Forschungsrichtung bilden. Im Bereich der Graph-Analyse werden komplexe Netzwerke (z.B. aus sozialen Netzwerken, Zitationsdatenbanken, Sensoren, oder Produktempfehlungen) untersucht. Das Ziel von Graph-Analyse ist diese Netzwerkdaten mit automatisierten Methoden auszuwerten. Hierbei sollen komplexe Muster in Graphen entdeckt werden, aber gleichzeitig auch die Skalierbarkeit der Algorithmen für große Datenbestände gewährleistet werden. Die Veranstaltung bietet eine übergreifende Betrachtung von Techniken in folgenden drei Bereichen: ? Graph Measures zur Bewertung von Knoten und Subgraphen ? Graph Clustering zur Gruppierung von ähnlichen Graph-Strukturen ? Graph Outlier Mining zur Erkennung von abweichenden Graph-Anomalien Diese Themenschwerpunkte sollen jeweils an Beispielen realer Netzwerke diskutiert werden. Eine individuelle Komplexitätsanalyse soll die Schwächen oder Stärken bestimmter Verfahren für große Datenmengen aufzeigen. Übergreifend sollen die Skalierbarkeit im Vergleich zu den anderen Techniken diskutiert werden. Effiziente Approximationen von komplexen Graph-Analyse Modellen sind für heutige Datenmengen unerlässlich. Es soll deshalb auch die Abwägung zwischen Qualität und Laufzeit im Seminar diskutiert werden. Die Veranstaltung wird gemeinsam mit dem Institut für Theoretische Informatik angeboten. Wir erwarten große Synergien aus Theorie und Praxis für die Analyse großer Graphen, welche den Studenten in diesem gemeinsamen Seminar vermittelt werden sollen.

Literaturhinweise:

Wird im Rahmen der ersten Seminarbesprechung bekanntgegeben.