Zusammenfassung

Was ist an einem eBay Kunden verdächtig und verrät möglicherweise einen Betrüger? Wie erkennen Banken ob meine Kreditkarte illegal im Ausland genutzt wird? Wie kann innerhalb automatischer Patientenüberwachungssystemen ein ungewöhnlicher Gesundheitszustand eines Patienten aufgedeckt werden? In all diesen Fällen kann Data-Mining genutzt werden um auffälliges Verhalten aus einer riesigen Datenmenge zu erkennen. Der Teilbereich des Data-Mining, der sich mit genau diesen Fragestellungen beschäftigt ist das Outlier-Mining. Eine große Herausforderung ist dabei, dem Anwender Informationen zur Verfügung zu stellen, die die Ausgabe der Algorithmen begründet und damit die Evaluation der Ergebnisse erleichtert. Beispielsweise benötigt ein Arzt sehr detaillierte Angaben um aus einem automatisch erkannten Gesundheitszustand eine fundierte Diagnose ableiten zu können.

Im Rahmen dieses Praktikums soll eine Software entwickelt werden, die die bequeme Analyse von Outlier-Mining-Ergebnissen ermöglicht. Dies erfordert zum einen eine modular aufgebaute Anbindung an bestehende Outlier-Mining-Algorithmen. Auf der anderen Seite stellt die graphische Repräsentation eine wichtige Komponente dar. Die Software soll in Teamarbeit erstellt werden, inklusive Anforderungsanalyse, Modellierung, Implementierung, Tests und Integration. Darüber hinaus wird die Teilnahme am Praktikum einen Einblick in aktuelle Forschungsgebiete an unserem Lehrstuhl erlauben.