Arbeitsgruppe Technische Informatik

Abschlussarbeiten

Der Lehrstuhl für Technische Informatik bietet zahlreiche Möglichkeiten für Studenten, ihre Diplom-/Bachelor-/Master- und auch Studienarbeiten abzulegen. Auf diesen Seiten finden sich jedoch nur wenige Beispiele. Bei konkretem Interesse melden Sie sich also einfach bei einem unserer Mitarbeiter.

Analyse und Modellierung von DNA-Sequenzierer-Daten (PDF)

Beschreibung

Die digitale Repräsentation des Genoms/DNA ist eine der wichtigsten Dinge in den meisten Feldern der Biowissenschaften. Angefangen mit der Möglichkeit durch ein Genom zu surfen und nach Mustern oder Besonderheiten, wie Erbkrankheiten oder Ausprägungen eines Individuums wie Haarfarbe o.ä., zu suchen, ergibt sich eine Vielzahl von Möglichkeiten der Forschung.

Der aktuelle Stand der Technik und Forschung ist allerdings erst so weit fortgeschritten, dass die DNA in digitaler Form nur mit vielen manuellen und extrem rechenaufwändigen Schritten ermittelt werden kann. Man bezeichnet diesen Vorgang als Sequenzierung bzw. Assemblierung.


Die Sequenzierung und Assemblierung des menschlichen Genoms kann man sich z.B. als Puzzle aus 600.000.000 Teilen
vorstellen. Die Puzzleteile können dabei allerdings fehlerbehaftet sein, weshalb als Redundanz jedes Teil im Schnitt 10-mal
enthalten ist.


Ein interessanter Forschungsansatz ist nun die Analyse und Modellierung eines Models, welches die tatsächlichen Daten wiederspiegelt, um Vorhersagen über die Daten treffen zu können und Algorithmen zu entwickeln, die mit Hilfe dieses Verständnisses schneller und genauer diese Puzzle lösen.

Vorkenntnisse

Biologie-Kenntnisse sind nicht zwingend erforderlich. Empfohlen wird der Besuch des Bioinformatik-Seminars der Arbeitsgruppe. Dies ist aber alternativ durch eine kurze Einarbeitungszeit ersetzbar. Grundkenntnisse in Statistik und Interesse für Mathematik sind sinnvoll.

Fokus

Der Fokus dieses Themas liegt in der Analyse von Sequenzdaten, wobei mathematische Modelle für Verteilungsfunktionen entwickelt werden sollen. Es handelt sich um eine sehr selbstständige Arbeit, die viele Freiheiten in der eigenen Schwerpunktgestaltung lässt.

Das Thema ist Teil der aktuellen Forschung des Lehrstuhls und bietet auch nach erfolgreichem Abschluss viele
Möglichkeiten der Vertiefung.

Kontakt

Florian Schatz (mail@florianschatz.de)

Motivsuche in DNA-Sequenzen (PDF)

Beschreibung

Die Gene eines Organismus sind in der DNA permanent vorhanden und werden nur zu bestimmten Zeitpunkten aktiviert. Diese Aktivierung ubernehmen kurze DNA-Sequenzen, die regulatorische Motive genannt werden. Da es keine allgemeine Definition für regulatorische Motive gibt, werden Modelle und Algorithmen entwickelt, welche die Eigenschaften von Motiven möglichst gut erfassen und die Motive finden sollen.

Die meisten Algorithmen benutzen hierbei Modelle für Motive, die konsekutiv, also linear, in der DNA vorliegen. Im Rahmen dieser Arbeit soll dieses Modell so erweitert werden, dass ein Motiv aus mehreren Submotiven bestehen
kann. Hierzu sollen bestehende Algorithmen erweitert und verbessert werden.

Vorkenntnisse

Biologie-Kenntnisse sind nicht zwingend erforderlich. Empfohlen wird der Besuch des Bioinformatik-Seminars der Arbeitsgruppe. Dies ist aber alternativ durch eine kurze Einarbeitungszeit ersetzbar. Grundkenntnisse in Statistik und Interesse für Mathematik sind sinnvoll.

Fokus

Der Fokus dieses Themas liegt in dem Verständnis von bestehenden Algorithmen und der Erweiterung dieser. Das Thema ist also algorithmischer Art, wobei ein breites Band von der Entwicklung eines Algorithmus auf dem Papier über die theoretische Komplexitätsberechnung bis hin zur praktischen Umsetzung abgedeckt werden soll. Es handelt sich um eine sehr selbstständige Arbeit, die viele Freiheiten in der eigenen Schwerpunktgestaltung lässt.

Das Thema ist Teil der aktuellen Forschung des Lehrstuhls und bietet auch nach erfolgreichem Abschluss viele
Möglichkeiten der Vertiefung.

Kontakt

Florian Schatz (mail@florianschatz.de)

Cloud-Computing zur Motivsuche in DNA-Sequenzen (PDF)

Beschreibung

Die Gene eines Organismus sind in der DNA permanent vorhanden und werden nur zu bestimmten Zeitpunkten aktiviert. Diese Aktivierung übernehmen kurze DNA-Sequenzen, die regulatorische Motive genannt werden. Da es keine allgemeine Definition für regulatorische Motive gibt, werden Modelle und Algorithmen entwickelt, welche die Eigenschaften von Motiven möglichst gut erfassen und die Motive finden sollen.

Je nach Modell lässt sich beliebig viel Rechenzeit in eine Problemstellung investieren. Da die Suche nach Motiven aber pro Forschungsgruppe relativ selten vorkommt, ergibt sich das Problem der Bereitstellung von Ressourcen. Skalierbare Cloud-Computing-Plattformen sind eine interessante Alternative zu kostenintensiver Hardware.

Vorkenntnisse

Biologie-Kenntnisse sind nicht zwingend erforderlich. Empfohlen wird der Besuch des Bioinformatik-Seminars der Arbeitsgruppe. Dies ist aber alternativ durch eine kurze Einarbeitungszeit ersetzbar. Grundkenntnisse im Gebiet "Parallele Architekturen" sind sinnvoll. Programmierkenntnisse in C sind Bedingung.

Fokus

Der Fokus dieses Themas liegt in der Analyse von Sequenzdaten, wobei kommerzielle Cloud-Computing-Angebote,
wie z.B. Amazon EC2 verwendet werden sollen, um eine beliebige Skalierbarkeit und Kosteneffezienz zu gewährleisten.

Es handelt sich um eine sehr selbstständige Arbeit, die viele Freiheiten in der eigenen Schwerpunktgestaltung lässt. Das Thema ist Teil der aktuellen Forschung des Lehrstuhls. Es bietet nach erfolgreichem Abschluss viele Möglichkeiten der Vertiefung.

Kontakt

Sven Koschnicke (svk@informatik.uni-kiel.de)

Florian Schatz (mail@florianschatz.de)

Implementierung eines Algorithmus zur Analyse von Anlagestrategien auf der RIVYERA (PDF)

Beschreibung

Für die Entwicklung einer nachhaltigen Strategie für Finanzanlagen ist es von großem Interesse, welche Indikatoren in welchem Maße Einfluss auf die zukünftige Entwicklung verschiedener Märkte haben. Der Einfluss der Indikatoren hängt dabei von dem jeweils betrachteten Markt ab. Anhand theoretischer Überlegungen können zunächst Modelle für die jeweiligen Abhängigkeiten entwickelt werden. Häufig werden solche Modelle mit Daten aus der Vergangenheit geprüft. Obwohl eine erfolgreiche Prüfung mit Daten aus der Vergangenheit die Korrektheit des Modells nicht beweist, lässt eine fehlgeschlagene Prüfung jedoch darauf schließen, dass das Modell zumindest für den betrachteten Zeitraum wahrscheinlich ungeeignet ist. Solche Simulationsrechnungen sind auf herkömmlichen Rechnerarchitekturen zum Teil sehr zeitaufwändig und erscheinen hervorragend geeignet, um sie auf massiv parallelen Architekturen, wie z.B. der RIVYERA zu implementieren.

Fokus

Der Fokus der Arbeit liegt auf der Implementierung und idealerweise der Weiterentwicklung eines gegebenen Algorithmus auf der RIVYERA. Das Thema ist Teil der aktuellen Forschung des Lehrstuhls und bietet nach erfolgreichem Abschluss viele Möglichkeiten der Vertiefung.

Vorkenntnisse

Interesse an der Implementierung von Algorithmen auf massiv parallelen Architekturen.

Hilfreich aber nicht unbedingt erforderlich sind Kenntnisse aus den Vorlesungen „Parallele Algorithmen und Architekturen“, „FPGA-Entwurf mit VHDL“ und „Rechnergestützter Entwurf digitaler Systeme“.

Kenntnisse der Finanzmathematik sind nicht erforderlich.

Kontakt

Christoph Starke (chst@informatik.uni-kiel.de)