Bewegungserkennung mittels Data Mining in Sensordaten

URL
Dokumentart: Bachelor Thesis
Institut: Department Informatik
Sprache: Deutsch
Erstellungsjahr: 2017
Publikationsdatum:
SWD-Schlagwörter: Bewegungsmelder , Data Mining , Sensor
Freie Schlagwörter (Deutsch): Künstliche Intelligenz, Ethik und Künstliche Intelligenz, Maschinelles Lernen, Data Mining, Entscheidungsbaum, Naive Bayes, Support Vector Machine
Freie Schlagwörter (Englisch): Artificial intelligence, ethics and artificial intelligence, machine learning, Data Mining, decision tree, naive bayes, support vector machine
DDC-Sachgruppe: Informatik

Kurzfassung auf Deutsch:

In dieser Arbeit wird ein Einblick in die Einführung der Künstlichen Intelligenz, deren Aufgaben und Verfahren gegeben. Ein Zusammenhang zwischen der Ethik und der Künstlichen Intelligenz wird erfasst und die ethischen Aspekte von der Entwicklung von schwachen und starken KI werden betrachtet. Die Grundlagen und Arten des maschinellen Lernens, als auch der Zusammenhang zwischen maschinellem Lernen und Data Mining werden für die praktischen Anwendungsbeispiele betrachtet. Der Ablauf einer Datenanalyse Knowledge Discovery in Databases (KDD) für das Verständnis der Datenanalyse wird beschrieben. Danach werden die wichtigsten Data-­‐‑Mining-­‐‑Aufgaben und Algorithmen betrachtet, die Mehrheit davon wird in den Anwendungsbeispielen verwendet. Das misslungene und gelungene Beispiel werden dargestellt und bewertet.

Kurzfassung auf Englisch:

An insight into the introduction of artificial intelligence: their tasks and methods are provided in the present paper. The relationship between ethics and artificial intelligence is discussed and the ethical aspects of the development of weak and strong AI are considered. The problems of the use of the AI are dealt with. The basic principles and types of machine learning as well as the relationship between machine learning and Data Mining are considered for the practical application examples. The process of a data analysis Knowledge Discovery in Databases (KDD) is described for the understanding of a data analysis. Then, the most important data mining tasks and algorithms are considered, the majority of which are used in the application examples. The failed and successful examples are presented and evaluated.

Hinweis zum Urheberrecht

Für Dokumente, die in elektronischer Form über Datenenetze angeboten werden, gilt uneingeschränkt das Urheberrechtsgesetz (UrhG). Insbesondere gilt:

Einzelne Vervielfältigungen, z.B. Kopien und Ausdrucke, dürfen nur zum privaten und sonstigen eigenen Gebrauch angefertigt werden (Paragraph 53 Urheberrecht). Die Herstellung und Verbreitung von weiteren Reproduktionen ist nur mit ausdrücklicher Genehmigung des Urhebers gestattet.

Der Benutzer ist für die Einhaltung der Rechtsvorschriften selbst verantwortlich und kann bei Mißbrauch haftbar gemacht werden.