Diese Präsentation wurde erfolgreich gemeldet.
Wir verwenden Ihre LinkedIn Profilangaben und Informationen zu Ihren Aktivitäten, um Anzeigen zu personalisieren und Ihnen relevantere Inhalte anzuzeigen. Sie können Ihre Anzeigeneinstellungen jederzeit ändern.
Big Data LV
@ FH Joanneum Graz
Dieses Werk ist lizenziert unter einer Creative Commons Namensnennung-
Weitergabe unter gle...
Stefan Kasberger
- 33, Vöcklamarkt
- USW Geographie
- Computation Social Science
- Sprecher Open Knowledge
Österreich
@ste...
Lern-Ziele
1. Was ist ein Algorithmus.
2. Welche Rolle spielen dabei Daten.
3. Daten-Visualisierung in JavaScript.
Formalia
- Doku @ GitHub → bit.ly/2nku8Gl
- kollaborativ und respektvoll
- Fragen jederzeit stellen
#Fragen?→
Daten sammeln
bit.ly/2mPMkLi
Was bedeutet
Big Data?
Definition
Daten die
1. zu groß
2. zu komplex
3. zu schnelllebig
4. zu unstrukturiert
für herkömmliche Analysen sind.
– Wi...
Was ist ein
Algorithmus?
Operation
=
Handlungsvorschrift
Definition
Ein Algorithmus ist eine eindeutige
Handlungsvorschrift.
Input Output
Rezept
Definition
Ein Algorithmus ist eine eindeutige
Handlungsvorschrift.
Zutaten Kuchen
- Rührzeit
- Wann wird was vermengt
- Zeit im Ofen
Definition
Ein Algorithmus ist eine eindeutige
Handlungsvorschrift.
100...
Nicht-lernender Algorithmus
Rührzeit X
GeschmackY
Rührzeit und Zusammenhang Geschmack-Rührzeit vorgegeben,
Geschmack unbek...
Lernender Algorithmus
Geschmackspunkte
97
46
83
Rührdauer?
Icon Muffin by Freeimages9 (Public Domain)
Lernender Algorithmus
Rührzeit X
GeschmacksY
Rührzeit und Geschmack bekannt,
Zusammenhang unbekannt.
Lernender Algorithmus
Rührzeit X
GeschmacksY
Y = b + Xc + X² d
1. Zutaten Daten→
- Daten sind nie die Wirklichkeit
- Kontext zentral
- nicht alles kann vermessen werden
- Auswahl und Qu...
1. Zutaten Daten→
Aldrin Apollo 11 by NASA (Public Domain)
Database by Rocket000 (CC by-sa 3.0)
JSON-File by Stefan Kasber...
2. Rezept Algorithmus→
- Gewichtung und Selektion hier werden→
die Entscheidungen getroffen!
- nicht-lernende und lernende...
3. Kuchen Ergebnis→
- Interpretation
- Ergebnis = Wahrheit?
- Informationsverlust
Individualisierung
„→ Wahlen“
Screenshot Google Web Search by Usuario:EEIM (Public Domain)
Probleme
- Kombination von vielen Daten
- Datensucht der Unternehmen VS informelle
Selbstbestimmung der NutzerInnen
- Myth...
Algorithmen
ansehen und
anwenden
Beispiele
Facebook
Photo Elevate 2017 Day 5 Discourse by Elevate Festival (CC by-nc-nd 2.0)
Amazon
Photo Amazon Espana por dentro by Alvaro Ibanez (CC by 2.0)
Klimamodelle
Grafik Iceage North Interglacial by Hannes Grobe / AWI (CC by 3.0)
Autonomes Auto
Graifk Auto Sensor by Frank Derks (CC by 2.0)
Versicherungen
- Gesundheitswesen
- Auto
- Haushalt
- Finanzen
Finanzwesen
Photo Houston Office Oil Traders on Monday by Own Oil Industry News (Public Domain)
Sportwetten
Photo Sports Betting by Marit & Toomas Hinnosaar (CC by 2.0)
Pre-Crime
Photo Segways PTs der Hessischen Polizei bei einer Großveranstaltung 2010 in Bremen by Jocian (CC by-sa 3.0)
Kar...
Gefängnisse
Photo End of the World Prison by Luis Argerich (CC by 2.0)
Dronenkrieg
Photo Predator Drone by U.S. Air Force, Lt. Col. Leslie Pratt (Public Domain)
Gesellschaft und
Technologie
Mensch Maschine↔
Grafik by geralt (Public Domain)
Mensch Maschine↔
Photo Interview by HSGTalents (CC by-sa 3.0)
- Mensch muss entscheiden, Algorithmus
kann helfen
- Technologie ist immer politisch
- Vergleichen & Hinterfragen von
Abwe...
Artikel Cambridge Analytica
Pause
Coden
Danke!
Doku @ GitHub → bit.ly/2nku8Gl
Kontakt:
- stefankasberger.at, @stefankasberger
- petergrassberger.at, @PeterTheOne
Kontakt
stefankasberger.at
@stefankasberger
mail@stefankasberger.at
www.stefankasberger.at
UrheberInnenrecht:
Dieses Werk ...
Nächste SlideShare
Wird geladen in …5
×

Einführung Big Data

671 Aufrufe

Veröffentlicht am

Einführung in den Themenkomplex zu Daten und Algorithmen in der Lehrveranstaltung Big Data an der Fachhochschule Joanneum in Graz am 11. März 2017.

Veröffentlicht in: Bildung
  • Als Erste(r) kommentieren

Einführung Big Data

  1. 1. Big Data LV @ FH Joanneum Graz Dieses Werk ist lizenziert unter einer Creative Commons Namensnennung- Weitergabe unter gleichen Bedingungen 4.0 International Lizenz. Stefan Kasberger @stefankasberger Grafik Alicelead3 by Pcharito (CC by-sa 3.0)
  2. 2. Stefan Kasberger - 33, Vöcklamarkt - USW Geographie - Computation Social Science - Sprecher Open Knowledge Österreich @stefankasberger stefankasberger.at Peter Grassberger - 27, Wien - Softwareentwicklung- Wirtschaft - Medientechnik und -Design - netzpolitisch aktiv @PeterTheOne petergrassberger.at Photo Stefan Kasberger by Stefan Kasberger (CC by 4.0) Photo Peter Grassberger by Peter Grassberger (CC by-nc-sa 4.0)
  3. 3. Lern-Ziele 1. Was ist ein Algorithmus. 2. Welche Rolle spielen dabei Daten. 3. Daten-Visualisierung in JavaScript.
  4. 4. Formalia - Doku @ GitHub → bit.ly/2nku8Gl - kollaborativ und respektvoll - Fragen jederzeit stellen #Fragen?→
  5. 5. Daten sammeln bit.ly/2mPMkLi
  6. 6. Was bedeutet Big Data?
  7. 7. Definition Daten die 1. zu groß 2. zu komplex 3. zu schnelllebig 4. zu unstrukturiert für herkömmliche Analysen sind. – Wikipedia
  8. 8. Was ist ein Algorithmus?
  9. 9. Operation = Handlungsvorschrift Definition Ein Algorithmus ist eine eindeutige Handlungsvorschrift. Input Output
  10. 10. Rezept Definition Ein Algorithmus ist eine eindeutige Handlungsvorschrift. Zutaten Kuchen
  11. 11. - Rührzeit - Wann wird was vermengt - Zeit im Ofen Definition Ein Algorithmus ist eine eindeutige Handlungsvorschrift. 100g Mehl ½ Liter Milch 2 Eier Kuchen
  12. 12. Nicht-lernender Algorithmus Rührzeit X GeschmackY Rührzeit und Zusammenhang Geschmack-Rührzeit vorgegeben, Geschmack unbekannt.
  13. 13. Lernender Algorithmus Geschmackspunkte 97 46 83 Rührdauer? Icon Muffin by Freeimages9 (Public Domain)
  14. 14. Lernender Algorithmus Rührzeit X GeschmacksY Rührzeit und Geschmack bekannt, Zusammenhang unbekannt.
  15. 15. Lernender Algorithmus Rührzeit X GeschmacksY Y = b + Xc + X² d
  16. 16. 1. Zutaten Daten→ - Daten sind nie die Wirklichkeit - Kontext zentral - nicht alles kann vermessen werden - Auswahl und Qualität wichtig - Bias (Verzerrung) - oft Personenbezug - Grundlage für lernende Algorithmen
  17. 17. 1. Zutaten Daten→ Aldrin Apollo 11 by NASA (Public Domain) Database by Rocket000 (CC by-sa 3.0) JSON-File by Stefan Kasberger (CC by 4.0) Big Buck Bunny Movie by Peach Open Moview Project (CC by 3.0)
  18. 18. 2. Rezept Algorithmus→ - Gewichtung und Selektion hier werden→ die Entscheidungen getroffen! - nicht-lernende und lernende Algorithmen Grafik MATLAB surf sinc3D by DmitTrix (Publid Domain)
  19. 19. 3. Kuchen Ergebnis→ - Interpretation - Ergebnis = Wahrheit? - Informationsverlust
  20. 20. Individualisierung „→ Wahlen“ Screenshot Google Web Search by Usuario:EEIM (Public Domain)
  21. 21. Probleme - Kombination von vielen Daten - Datensucht der Unternehmen VS informelle Selbstbestimmung der NutzerInnen - Mythos von Objektivität - normative Wirkung - keine Transparenz
  22. 22. Algorithmen ansehen und anwenden
  23. 23. Beispiele
  24. 24. Facebook Photo Elevate 2017 Day 5 Discourse by Elevate Festival (CC by-nc-nd 2.0)
  25. 25. Amazon Photo Amazon Espana por dentro by Alvaro Ibanez (CC by 2.0)
  26. 26. Klimamodelle Grafik Iceage North Interglacial by Hannes Grobe / AWI (CC by 3.0)
  27. 27. Autonomes Auto Graifk Auto Sensor by Frank Derks (CC by 2.0)
  28. 28. Versicherungen - Gesundheitswesen - Auto - Haushalt - Finanzen
  29. 29. Finanzwesen Photo Houston Office Oil Traders on Monday by Own Oil Industry News (Public Domain)
  30. 30. Sportwetten Photo Sports Betting by Marit & Toomas Hinnosaar (CC by 2.0)
  31. 31. Pre-Crime Photo Segways PTs der Hessischen Polizei bei einer Großveranstaltung 2010 in Bremen by Jocian (CC by-sa 3.0) Karte Wahlergebnis KPÖ Grazer Gemeinderatswahl 2012 by Stefan Kasberger (CC by 4.0)
  32. 32. Gefängnisse Photo End of the World Prison by Luis Argerich (CC by 2.0)
  33. 33. Dronenkrieg Photo Predator Drone by U.S. Air Force, Lt. Col. Leslie Pratt (Public Domain)
  34. 34. Gesellschaft und Technologie
  35. 35. Mensch Maschine↔ Grafik by geralt (Public Domain)
  36. 36. Mensch Maschine↔ Photo Interview by HSGTalents (CC by-sa 3.0)
  37. 37. - Mensch muss entscheiden, Algorithmus kann helfen - Technologie ist immer politisch - Vergleichen & Hinterfragen von Abweichungen - Transparenz und Offene Daten zentral Conclusio
  38. 38. Artikel Cambridge Analytica
  39. 39. Pause
  40. 40. Coden
  41. 41. Danke! Doku @ GitHub → bit.ly/2nku8Gl Kontakt: - stefankasberger.at, @stefankasberger - petergrassberger.at, @PeterTheOne
  42. 42. Kontakt stefankasberger.at @stefankasberger mail@stefankasberger.at www.stefankasberger.at UrheberInnenrecht: Dieses Werk ist, sofern nicht explizit anders angegeben, lizenziert unter einer Creative Commons Namensnennung-Weitergabe unter gleichen Bedingungen 4.0 International Lizenz. Urheber: Stefan Kasberger (2017). Markenrecht: Alle in dieser Präsentation genannten Marken und Produktnamen sind eingetragene Marken-/Warenzeichen der jeweiligen Hersteller beziehungsweise Unternehmen.

×