!"#$"%&'()*$+()',!-+.'/',

Größe: px
Ab Seite anzeigen:

Download "!"#$"%&'()*$+()',!-+.'/',"

Transkript

1 Soziotechnische Informationssysteme 3. Netzwerkgrundlagen Inhalte Six Degrees of Separation Zufallsgraphen Skalenfreie Netze Dynamik 4(5,12316,7'.'0,!.80/6,9*$:'0+$.;.,&0$'0, 3,

2 Motivation Graphentheorie Alter Bekannter in der Informatik! Graphen sind eine zentrale Datenstruktur Auch sonst nicht wirklich neu! Euler, Problem der 7 Brücken in Königsberg (1736) 4(5,12316,7'.'0,!.80/6,9*$:'0+$.;.,&0$'0, 1,

3 Reguläre Graphen Vorbilder für alle effizienten Datenstrukturen! Schlange, Liste! Ring, Stern! Matrix, Torus, n-dimensionaler Würfel! Baum!... Wohlbekannte Eigenschaften! Durchmesser! Ein- und Ausgangsgrad! Tiefe! Zusammenhangskomponenten!... Aber... Künstliche Strukturen! Entstehen meist nicht von alleine! Strukturerhalt in dynamischem Umfeld aufwendig Fehlender Realitätsbezug 4(5,12316,7'.'0,!.80/6,9*$:'0+$.;.,&0$'0, <,

4 Six Degrees of Separation Experiment von Milgram (1967) Stanley Milgram, Psychologe, Yale University Experiment! Briefe an einige hundert Personen in Boston und Omaha (Nebraska) verteilt! Empfänger: Bestimmter Aktienhändler in Boston! Weiterleiten eines Briefs nur an direkte Bekannte/Freunde (first-name basis) Überraschendes Resultat! Durchschnittlich nur 6 Personen notwendig 4(5,12316,7'.'0,!.80/6,9*$:'0+$.;.,&0$'0, =,

5 What a small world?! Deswegen? Jeder hat 42 Freunde, dann ergeben sich 42^6 Personen (= 5.49 Milliarden) bei Tiefe 6 4(5,12316,7'.'0,!.80/6,9*$:'0+$.;.,&0$'0, >,

6 Wohl eher deswegen? Weak Ties Granovetter (1973) Strong Ties! Stark überlappende Interessen und Bedürfnisse! Grad an Zeitaufwand, emotionale Intensität! Wenig Überraschung Weak Ties! Essentiell für die Ausbildung sozialer Netzstrukturen! Neue Information primär über schwache Bindungen Absent Ties! Keine bis unwesentliche / vernachlässigbare Bindungen 4(5,12316,7'.'0,!.80/6,9*$:'0+$.;.,&0$'0,?,

7 Wie kommt man an geeignete Graphstrukturen? Zufallsgraphen

8 Graphentstehung als Zufallsprozeß Zu n Knoten werden zufällig Kanten dazugewählt Gilbert Modell G(n,p)! Jede mögliche Kante existiert unabhängig von anderen Kanten mit Wahrscheinlichkeit p Erd s Rényi Modell (Gn,M)! Alle Graphen mit M Kanten sind gleich wahrscheinlich Eigenschaften Mathematisch anspruchsvoll Gegeben n und p bzw. M, wie wahrscheinlich ist eine bestimmte Eigenschaft von G! Zusammenhängend Durchlässigkeit (Percolation)! Robustheitsaspekt, Kanten wegnehmen 4(5,12316,7'.'0,!.80/6,9*$:'0+$.;.,&0$'0, A,

9 Phasenübergang Anteil aller Knoten in der größten Zusammenhangskomponente Perkolation Gegeben Zufallsgraph G mit! n Knoten! Durchschnittlicher Kantengrad k Wir entfernen (1-p)-Anteil an Kanten für ein p [0,1] Es existiert ein kritischer Schwellwert:! Asymptotische Aussage! p < p c : Netzwerk ist fragmentiert! p >= p c : Netz zusammenhängend p c = 1 k 4(5,12316,7'.'0,!.80/6,9*$:'0+$.;.,&0$'0, B,

10 Lemma von Szemerédi Übertragbarkeit von spezifischen Eigenschaften auf große Mengen von Zufallsgraphen Szemerédi erhielt 2012 den Abel Preis Sozial = Random? Sind soziale Netzwerke Zufallsgraphen? Wählt man seine Freunde zufällig aus? Wie gut kennen sich Freunde von Freunden?? 4(5,12316,7'.'0,!.80/6,9*$:'0+$.;.,&0$'0, 32,

11 Bacon Numbers Bacon Number Kevin Bacon (1958-) Schauspieler..., Flatliners, Apolle 13, JFK... worked with everybody in Hollywood or someone who s worked with them (1994) Kevin Bacon Game (1994)! Albright College Studenten: C. Fass, B. Turtle, M. Gineli Regeln! Kevin Bacon hat die Nummer 0! Wer mit Kevin Bacon gespielt hat, hat die Nummer 1! Wer mit jemand gespielt hat der mit Kevin Bacon gespielt hat, hat die Nummer 2! Und so weiter... 4(5,12316,7'.'0,!.80/6,9*$:'0+$.;.,&0$'0, 33,

12 Verteilung 320, , , ,000 Anzahl Schauspieler 150, ,000 50, Bacon Number Gesamtanzahl 550, , , , ,000 Gesamtanzahl Schauspieler 300, , , , ,000 50, Bacon Number 4(5,12316,7'.'0,!.80/6,9*$:'0+$.;.,&0$'0, 31,

13 Triadic Closure und Clustering Triadic Closure Georg Simmel (Anfang 1900)! Enge Bindung zwischen A und B! Enge Bindung zwischen B und C! Dann meist auch Bindung zwischen A und C Mark Granovetter (1973) The Strength of Weak Ties! Kognitive Balance 4(5,12316,7'.'0,!.80/6,9*$:'0+$.;.,&0$'0, 3<,

14 16 gerichtete Triaden Clustering Clustering-Koeffizient! Grad der Clusterbildung in einem Graphen! Eng mit der Triadic Closure verbunden 3 Knoten durch 2 (offen) oder 3 (geschlossen) Kanten verbunden Globaler Koeffizient: #Closed / (#Closed + #Open) Lokaler Koeffizient eines Knotens v! Maß für die vollständige Vernetzung der direkten Nachbarn 4(5,12316,7'.'0,!.80/6,9*$:'0+$.;.,&0$'0, 3=,

15 Beispiel 3 Geschlossene! A-B-C! B-C-A! C-A-B 9 Offene! A-B-C! B-C-A! C-A-B! C-B-E! C-B-D! A-B-D! A-B-E! D-B-E! B-E-F C global = 3 9 = 1 3 Zufallsgraphen mit Small-World-Eigenschaften 4(5,12316,7'.'0,!.80/6,9*$:'0+$.;.,&0$'0, 3>,

16 Beobachtung Pfadlänge Pfadlänge Zufallsgraph Clustering Clustering Zufallsgraph Bacon Stromnetz Neuralnetz Fadenwurm Watts-Strogatz Modell Verbesserung der Erd s Rényi-Graphen! Ausbildung lokaler Cluster und Triadic Closure Konstruktionsalgorithmus! Gegeben n Knoten K mittlerer Kantengrad b Parameter zwischen 0 und 1! Erzeuge regelmäßiges Gitter mit K Nachbarn pro Knoten! Jede Kante wird einmal mit Wahrscheinlichkeit b rewired und durch zufälligen neuen Zielknoten ersetzt 4(5,12316,7'.'0,!.80/6,9*$:'0+$.;.,&0$'0, 3?,

17 Verteilungen Normalverteilung Poisson Verteilung Pareto Verteilung Skalenfreie Netze 4(5,12316,7'.'0,!.80/6,9*$:'0+$.;.,&0$'0,

18 Pareto-Prinzip Regel! 20% der Verursacher sind für 80% der Wirkung verantwortlich Viele Beispiele! Reichsten 20% der Weltbevölkerung kontrollieren 82.7% des Welteinkommens (UN 1989)! 80% des Profits kommen von 20% der Kunden! 20% der am häufigsten genannten Fehler sind für 80% der Fehlerberichte verantwortlich (Microsoft) Pareto-Verteilung Potenzgesetz (Power Law) Long Tail f(x) = ax k 4(5,12316,7'.'0,!.80/6,9*$:'0+$.;.,&0$'0, 3A,

19 Skaleninvarianz f (x) = ax k f (cx) = a(cx) k = c k f (x)! f (x) Alle Funktionen mit einem spezifischen Exponenten sind bis auf einen konstanten Faktor äquivalent Selbstähnlichkeit / Dilatation / Symmetrieaspekt Preferential Attachment Reiche werden reicher Matthäus-Effekt!! Gleichnamige Evangelium! Gleichnis von den anvertrauten Zentnern: Denn wer da hat, dem wird gegeben, dass er die Fülle habe; wer aber nicht hat, dem wird auch das genommen, was er hat. PA nimmt aber nichts weg Dynamisches Element zur Ausbildung skalenfreier Netze! Barabási und Albert (1999) 4(5,12316,7'.'0,!.80/6,9*$:'0+$.;.,&0$'0, 3B,

20 Skalenfreie Netze Kantengrad eines Knotens entspricht einem Potenzgesetz P(k) Anteil der Knoten mit Kantengrad k: P(k)! ck "! Typischerweise gilt 2 <! < 3 Barabási und Albert Konstruktion skalenfreier Netze mittels Preferential Attachment Initiale Knotenmenge M ( >1 und Kantengrad mind. 1) Schrittweise neue Knoten v hinzufügen! v wird mit Knoten v j aus M mit Wahrscheinlichkeit p j verbunden (k i Kantengrad) p j = k j k i! i Verteilung: P(k) = 3 4(5,12316,7'.'0,!.80/6,9*$:'0+$.;.,&0$'0, 12,

21 Softwareaspekte Graphengröße Aktuell großes wissenschaftliches und kommerzielles Interesse Szenarien! Modellierung entsprechender Netze! Mining vorhandener sozialer Netze Realisitisch erst bei großen Graphen! Performanzprobleme Explorativer Umgang! Geeignete und schnelle Visualisierungen 4(5,12316,7'.'0,!.80/6,9*$:'0+$.;.,&0$'0, 13,

22 Bibliotheken igraph! Python, C++, Java, R gephi! Java Python! NetworkX Struktur, Dynamik und Funktion komplexer Netzwerke! NumPy! Matplotlib.NET / C#! NodeXL Social Media Research Foundation (www.smrfoundation.org)! QuickGrap Visualisierung MSAGL, GLEE, Graphviz Beispiel igraph Python Code:!!"#$%&'"()*%&$)#"+%,% B'"556B;%B"51FG%!#"%?#$)#656+%&6%'/?#$)#656+28>H% % % 4(5,12316,7'.'0,!.80/6,9*$:'0+$.;.,&0$'0, 11,

23 Beispiel gephi Beispiel NodeXL 4(5,12316,7'.'0,!.80/6,9*$:'0+$.;.,&0$'0, 1<,

24 Literatur Mark Granovetter The Strength of Weak Ties alternativ Duncan J. Watts Six Degrees The Science of a Connected Age Norton, (5,12316,7'.'0,!.80/6,9*$:'0+$.;.,&0$'0, 1=,

Sozio- Technische Systeme

Sozio- Technische Systeme Soziotechnische Informationssysteme 3. Netzwerkgrundlagen Inhalte Six Degrees of Separation Zufallsgraphen Skalenfreie Netze Softwareaspekte 1 Motivation Graphentheorie Alter Bekannter in der Informatik

Mehr

Das Small World Phenomenon. Aus http://www.tell6.com

Das Small World Phenomenon. Aus http://www.tell6.com Das Small World Phenomenon Aus http://www.tell6.com Das Experiment Durchgeführt von Stanley Milgram im Jahr 1969 [7] 296 Briefe an zufällig ausgewählte Personen in Nebraska und Boston Briefe sollten an

Mehr

Netzwerkmodelle. Seminar Netzwerkanalyse. Sommersemester 2005 Jasmine Metzler

Netzwerkmodelle. Seminar Netzwerkanalyse. Sommersemester 2005 Jasmine Metzler Netzwerkmodelle Seminar Netzwerkanalyse Sommersemester 2005 Jasmine Metzler 1 Grundlegende Modelle Das Graph Modell (G n,p ) Definition Verschiedene Modelle Small World Modell Lokale Suche Power Law Modelle

Mehr

Networks, Dynamics, and the Small-World Phenomenon

Networks, Dynamics, and the Small-World Phenomenon Seminar aus Data und Web Mining Mining Social and Other Networks Sommersemester 2007 Networks, Dynamics, and the Small-World Phenomenon, Eine kleine Welt? Ein Erlebnis das wahrscheinlich fast jedem schon

Mehr

Netzwerke. Marcus Kaiser International University Bremen

Netzwerke. Marcus Kaiser International University Bremen Netzwerke Marcus Kaiser International University Bremen Netzwerke Network Science Einzelne Bausteine 2 Welche Netzwerke gibt es? 3 Woraus bestehen Netzwerke? Gerichtete Kante Knoten 42 Ungerichtete Kante

Mehr

Motivation Kenngrößen von Graphen Modelle. Small Worlds. in Vorlesung Semantische Suche in P2P-Netzwerken. Florian Holz

Motivation Kenngrößen von Graphen Modelle. Small Worlds. in Vorlesung Semantische Suche in P2P-Netzwerken. Florian Holz Small Worlds in Vorlesung Florian Holz 14.06.2005 in Vorlesung Small Worlds Florian Holz bekannte Arten der Vernetzung zur Zusammenarbeit (Graphen) regelmäßige, z.b. parallele Hardwarestrukturen vollständige

Mehr

Analyse des Normennetzwerks der Internet Requests for Comments

Analyse des Normennetzwerks der Internet Requests for Comments Analyse des Normennetzwerks der Internet Requests for Comments Maciej Wieńszczak, Prof. Dr. Robert Tolksdorf maciej@wienszczak.pl, tolk@ag-nbi.de www.ag-nbi.de Freie Universität Berlin 1 Einführung Was

Mehr

Komplexe Netzwerke Gradverteilung der Knoten, Skalenfreiheit, Potenzgesetz

Komplexe Netzwerke Gradverteilung der Knoten, Skalenfreiheit, Potenzgesetz Ernst Moritz Arndt Universität Greifswald 24. 4. 29 Komplexe Netzwere Gradverteilung der Knoten, Salenfreiheit, Potenzgesetz Dr. Matthias Scholz www.networ-science.org/ss29.html 1 Begriffe und Definitionen

Mehr

Komplexe Netzwerke Robustheit

Komplexe Netzwerke Robustheit Ernst Moritz Arndt Universität Greifswald 19. 6. 2009 Komplexe Netzwerke Robustheit Dr. Matthias Scholz www.network-science.org/ss2009.html 7 Robustheit Wie robust ist ein Netzwerk bei Ausfall von Knoten?

Mehr

Inhalt. Inhalte der Vorlesung (vorläufig) Dr. Dominic Battré Complex and Distributed IT Systems. Napster. Eigenschaften von Gnutella

Inhalt. Inhalte der Vorlesung (vorläufig) Dr. Dominic Battré Complex and Distributed IT Systems. Napster. Eigenschaften von Gnutella Vorlesung P2P Netzwerke 2: Unstrukturierte Netze Dr. Dominic Battré Complex and Distributed IT Systems dominic.battre@tu berlin.de berlin de Inhalt Napster Erstes "P2P" Netzwerk Kein wirkliches P2P Enormes

Mehr

Internet Protokolle II

Internet Protokolle II Lecture 11 Internet Protokolle II Small World Networks Thomas Fuhrmann Network Architectures Computer Science Department Technical University Munich Beginn der Small World -Theorie (1) Internet Protocols

Mehr

Ausarbeitung zum Seminarvortrag Skalenfreie Netze

Ausarbeitung zum Seminarvortrag Skalenfreie Netze Ausarbeitung zum Seminarvortrag Skalenfreie Netze Jens Arnold 14.07.2005 Inhaltsverzeichnis 1 Einleitung 2 2 Skalenfreie Netze in der Realität 2 2.1 Beschreibung komplexer Netzwerke.....................

Mehr

Inhalt. Literatur. Dr. Felix Heine Complex and Distributed IT-Systems

Inhalt. Literatur. Dr. Felix Heine Complex and Distributed IT-Systems Vorlesung P2P Netzwerke 2: Unstrukturierte Netze Dr. Felix Heine Complex and Distributed IT-Systems felix.heine@tu-berlin.de Inhalt Napster Erstes "P2P" Netzwerk Kein wirkliches P2P Enormes Medienecho

Mehr

Modelle und Statistiken

Modelle und Statistiken Kapitel 4 Modelle und Statistiken In letzter Zeit werden vermehrt Parameter (Gradfolgen, Kernzahlfolgen, etc.) empirischer Graphen (Internet, WWW, Proteine, etc.) berechnet und diskutiert. Insbesondere

Mehr

Generierung und Simulation von großen Inter-Domain Topologien

Generierung und Simulation von großen Inter-Domain Topologien Generierung und Simulation von großen Inter-Domain Topologien Thomas Schwabe TU München, Lehrstuhl für Kommunikationsnetze thomas.schwabe@tum.de Agenda Motivation Inter-Domain Routing Eigenschaften der

Mehr

Graphentheorie. Eulersche Graphen. Eulersche Graphen. Eulersche Graphen. Rainer Schrader. 14. November Gliederung.

Graphentheorie. Eulersche Graphen. Eulersche Graphen. Eulersche Graphen. Rainer Schrader. 14. November Gliederung. Graphentheorie Rainer Schrader Zentrum für Angewandte Informatik Köln 14. November 2007 1 / 22 2 / 22 Gliederung eulersche und semi-eulersche Graphen Charakterisierung eulerscher Graphen Berechnung eines

Mehr

Soziotechnische Informationssysteme

Soziotechnische Informationssysteme Soziotechnische Informationssysteme 1. Einführung Brauchen wir diese Vorlesung? (c) 2012, Peter Sturm, Universität Trier 1 Vergangenheit Gesellschaft Technik Charakteristika Werkzeugcharakter Ziele Höhere

Mehr

Algorithmische Methoden zur Netzwerkanalyse

Algorithmische Methoden zur Netzwerkanalyse Algorithmische Methoden zur Netzwerkanalyse Juniorprof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund für Theoretische

Mehr

Bachelorarbeit: Ein diskretes Modell für Finanzmärkte

Bachelorarbeit: Ein diskretes Modell für Finanzmärkte Bachelorarbeit: Ein diskretes Modell für Finanzmärkte Die Finanzmathematik ist momentan eine der wichtigsten Anwendungender. Hier soll ein grundlegendes Modell erörtert werden, das auf der Entwicklung

Mehr

Dr. Dominic Battré Complex and Distributed IT Systems

Dr. Dominic Battré Complex and Distributed IT Systems Vorlesung P2P Netzwerke 2: Unstrukturierte Netze Dr. Dominic Battré Complex and Distributed IT Systems dominic.battre@tu berlin.de berlin de Inhalt Napster Erstes "P2P" Netzwerk Kein wirkliches P2P Enormes

Mehr

Theoretische Überlegungen zur Ausbreitung von Infektionserregern auf Kontaktnetzen. Hartmut Lentz, Maria Kasper, Ansgar Aschfalk und Thomas Selhorst

Theoretische Überlegungen zur Ausbreitung von Infektionserregern auf Kontaktnetzen. Hartmut Lentz, Maria Kasper, Ansgar Aschfalk und Thomas Selhorst Theoretische Überlegungen zur Ausbreitung von Infektionserregern auf Kontaktnetzen Hartmut Lentz, Maria Kasper, Ansgar Aschfalk und Thomas Selhorst Netzwerke / Graphen verschiedene Typen von Graphen: einfache

Mehr

PageRank-Algorithmus

PageRank-Algorithmus Proseminar Algorithms and Data Structures Gliederung Gliederung 1 Einführung 2 PageRank 3 Eziente Berechnung 4 Zusammenfassung Motivation Motivation Wir wollen eine Suchmaschine bauen, die das Web durchsucht.

Mehr

Generierung von sozialen Netzwerken. Steffen Brauer WiSe 2011/12 HAW Hamburg

Generierung von sozialen Netzwerken. Steffen Brauer WiSe 2011/12 HAW Hamburg Generierung von sozialen Netzwerken Steffen Brauer WiSe 2011/12 HAW Hamburg Agenda Motivation Soziale Netzwerke Modelle Metriken Forschungsumfeld Ausblick 2 Motivation Wo gibt es Netzwerke? Computernetzwerke

Mehr

Seminarvortag zum Thema Virtual Private Network Design im Rahmen des Seminars Network Design an der Universität Paderborn

Seminarvortag zum Thema Virtual Private Network Design im Rahmen des Seminars Network Design an der Universität Paderborn Seminarvortag zum Thema Virtual Private Network Design im Rahmen des Seminars Network Design an der Universität Paderborn Ein 5.55-Approximationsalgorithmus für das VPND-Problem Lars Schäfers Inhalt Einführung:

Mehr

Vollständiger Graph. Definition 1.5. Sei G =(V,E) ein Graph. Gilt {v, w} E für alle v, w V,v w, dann heißt G vollständig (complete).

Vollständiger Graph. Definition 1.5. Sei G =(V,E) ein Graph. Gilt {v, w} E für alle v, w V,v w, dann heißt G vollständig (complete). Vollständiger Graph Definition 1.5. Sei G =(V,E) ein Graph. Gilt {v, w} E für alle v, w V,v w, dann heißt G vollständig (complete). Mit K n wird der vollständige Graph mit n Knoten bezeichnet. Bemerkung

Mehr

Social Network Analysis als Instrument zur Bewertung von Beziehungskapital

Social Network Analysis als Instrument zur Bewertung von Beziehungskapital Social Network Analysis als Instrument zur Bewertung von Beziehungskapital Barbara Heller-Schuh Konferenz: 10 Jahre Wissensbilanzierung in Österreich Wien, 30. September 2008 Beziehungskapital in der Wissensbilanzierung

Mehr

Graphen. Leonhard Euler ( )

Graphen. Leonhard Euler ( ) Graphen Leonhard Euler (1707-1783) 2 Graph Ein Graph besteht aus Knoten (nodes, vertices) die durch Kanten (edges) miteinander verbunden sind. 3 Nachbarschaftsbeziehungen Zwei Knoten heissen adjazent (adjacent),

Mehr

Maximizing the Spread of Influence through a Social Network

Maximizing the Spread of Influence through a Social Network 1 / 26 Maximizing the Spread of Influence through a Social Network 19.06.2007 / Thomas Wener TU-Darmstadt Seminar aus Data und Web Mining bei Prof. Fürnkranz 2 / 26 Gliederung Einleitung 1 Einleitung 2

Mehr

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume?

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2013/14 Isomorphie Zwei Graphen (V 1, E 1 ) und (V

Mehr

Computerviren, Waldbrände und Seuchen - ein stochastisches Modell für die Reichweite einer Epidemie

Computerviren, Waldbrände und Seuchen - ein stochastisches Modell für die Reichweite einer Epidemie Computerviren, Waldbrände und Seuchen - ein stochastisches für die Reichweite einer Epidemie Universität Hildesheim Schüler-Universität der Universität Hildesheim, 21.06.2012 Warum Mathematik? Fragen zum

Mehr

P2P - Projekt. 1. Die gleiche Aufgabe zwei Herangehensweisen 2. Voraussetzungen. 3. Automatische Semantische Konvergenz

P2P - Projekt. 1. Die gleiche Aufgabe zwei Herangehensweisen 2. Voraussetzungen. 3. Automatische Semantische Konvergenz P2P - Projekt 1. Die gleiche Aufgabe zwei Herangehensweisen 2. Voraussetzungen 1. Natürlicher Suchalgorithmus 2. Small Worlds 3. Automatische Semantische Konvergenz 1. Netzwerkerstellung 2. Suche 1. Die

Mehr

Algorithmen und Datenstrukturen 2

Algorithmen und Datenstrukturen 2 Algorithmen und Datenstrukturen 2 Sommersemester 2006 3. Vorlesung Peter F. Stadler Universität Leipzig Institut für Informatik studla@bioinf.uni-leipzig.de Algorithmen für Graphen Fragestellungen: Suche

Mehr

Algorithmen & Datenstrukturen 1. Klausur

Algorithmen & Datenstrukturen 1. Klausur Algorithmen & Datenstrukturen 1. Klausur 7. Juli 2010 Name Matrikelnummer Aufgabe mögliche Punkte erreichte Punkte 1 35 2 30 3 30 4 15 5 40 6 30 Gesamt 180 1 Seite 2 von 14 Aufgabe 1) Programm Analyse

Mehr

Six Degrees of Seperation

Six Degrees of Seperation Six Degrees of Seperation ~ Experiment Stanley Milgram (1967) Frage: Wie weit sind Menschen voneinander entfernt? Aufbau: Zufällig ausgewählte Menschen geben einen Brief nur über Bekannte an eine andere

Mehr

Physik Biologischer Netzwerke

Physik Biologischer Netzwerke Vorlesung SS 2009 Prof. Dr. Ulrich Schwarz Physik Biologischer Netzwerke Abteilung für Theoretische Biophysik Universität Karlsruhe Homepage: http://www.zi.uni-karlsruhe.de/tbp Inhaltsverzeichnis 1 Zufallsgraphen

Mehr

Definition. Gnutella. Gnutella. Kriterien für P2P-Netzwerke. Gnutella = +

Definition. Gnutella. Gnutella. Kriterien für P2P-Netzwerke. Gnutella = + Definition Gnutella Ein -to--netzwerk ist ein Kommunikationsnetzwerk zwischen Rechnern, in dem jeder Teilnehmer sowohl Client als auch Server- Aufgaben durchführt. Beobachtung: Das Internet ist (eigentlich

Mehr

Das Briefträgerproblem

Das Briefträgerproblem Das Briefträgerproblem Paul Tabatabai 30. Dezember 2011 Inhaltsverzeichnis 1 Problemstellung und Modellierung 2 1.1 Problem................................ 2 1.2 Modellierung.............................

Mehr

Methoden zur Visualisierung von ereignisdiskreten Analysedaten

Methoden zur Visualisierung von ereignisdiskreten Analysedaten Fakultät Informatik, Institut für Angewandte Informatik, Professur Technische Informationssysteme Methoden zur Visualisierung von ereignisdiskreten Analysedaten Referent: Hendrik Freund Betreuer: Vladimir

Mehr

LFE Medieninformatik Projektarbeit. Flock Mail. Michael Weiler

LFE Medieninformatik Projektarbeit. Flock Mail. Michael Weiler LFE Medieninformatik Projektarbeit Flock Mail Michael Weiler Agenda Einleitung Spam Statistiken & Filter Schwarmintelligenz Verwandte Arbeiten Design Motivation GUI Visualisierung von emails Implementierung

Mehr

Graphen und Bäume. A.1 Graphen

Graphen und Bäume. A.1 Graphen Algorithmen und Datenstrukturen 96 A Graphen und Bäume A.1 Graphen Ein gerichteter Graph (auch Digraph) G ist ein Paar (V, E), wobei V eine endliche Menge und E eine Relation auf V ist, d.h. E V V. V heißt

Mehr

4 Greedy-Algorithmen (gierige Algorithmen)

4 Greedy-Algorithmen (gierige Algorithmen) Greedy-Algorithmen (gierige Algorithmen) Greedy-Algorithmen werden oft für die exakte oder approximative Lösung von Optimierungsproblemen verwendet. Typischerweise konstruiert ein Greedy-Algorithmus eine

Mehr

Definition Ein gerichteter Graph G = (V, E) ist ein Graph von geordneten Paaren (u, v) mit u V und v V.

Definition Ein gerichteter Graph G = (V, E) ist ein Graph von geordneten Paaren (u, v) mit u V und v V. Kapitel 4 Graphenalgorithmen 4.1 Definitionen Definition 4.1.1. Der Graph G = (V, E) ist über die beiden Mengen V und E definiert, wobei V die Menge der Knoten und E die Menge der Kanten in dem Graph ist.

Mehr

Six Degrees of Separation Besondere Strukturen in Transportnetzwerken

Six Degrees of Separation Besondere Strukturen in Transportnetzwerken Six Degrees of Separation Besondere Strukturen in Transportnetzwerken Bachelor- und Masterseminar im SoSe 14 Jun.-Prof. Dr. Anne Lange DB Schenker Stiftungsjuniorprofessur Fachgebiet Multimodalität und

Mehr

Graphenalgorithmen und lineare Algebra Hand in Hand Vorlesung für den Bereich Diplom/Master Informatik

Graphenalgorithmen und lineare Algebra Hand in Hand Vorlesung für den Bereich Diplom/Master Informatik Vorlesung für den Bereich Diplom/Master Informatik Dozent: Juniorprof. Dr. Henning Meyerhenke PARALLELES RECHNEN INSTITUT FÜR THEORETISCHE INFORMATIK, FAKULTÄT FÜR INFORMATIK KIT Universität des Landes

Mehr

Literatur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS)

Literatur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS) Dominating Set 59 Literatur Dominating Set Grundlagen 60 Dominating Set (DS) M. V. Marathe, H. Breu, H.B. Hunt III, S. S. Ravi, and D. J. Rosenkrantz: Simple Heuristics for Unit Disk Graphs. Networks 25,

Mehr

Zweizusammenhang und starker Zusammenhang

Zweizusammenhang und starker Zusammenhang .. Zeizusammenhang und starker Zusammenhang Carsten Gutenger Vorlesung Algorithmen und Datenstrukturen WS /. Januar Zeizusammenhang Betrachte ein Netzerk (Graph) Z.B. Computernetzerk, Flug- oder Schienennetzerk

Mehr

Network your Business. Beziehungen 2.0. Robert Beer, Country Manager XING Schweiz und Österreich, Bern, 4. März 2013

Network your Business. Beziehungen 2.0. Robert Beer, Country Manager XING Schweiz und Österreich, Bern, 4. März 2013 Network your Business Beziehungen 2.0 Robert Beer, Country Manager XING Schweiz und Österreich, Bern, 4. März 2013 Übersicht Internet und Social Media in der Schweiz Philosophie des Netzwerkens Social

Mehr

Praktikum im WS 05/06 Graphengeneratoren Ein Generator für Smallworld-Graphen

Praktikum im WS 05/06 Graphengeneratoren Ein Generator für Smallworld-Graphen Praktikum im WS 05/06 Graphengeneratoren Ein Generator für Smallworld-Graphen Authoren: Bernd Ahues und Karsten Brand Betreuer: Thomas Schank 14. März 2006 Universität Karlsruhe (TH) Fakultät für Informatik

Mehr

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundbegriffe der Informatik Einheit 11: Graphen Thomas Worsch Karlsruher Institut für Technologie, Fakultät für Informatik Wintersemester 2010/2011 1/59 Graphische Darstellung von Zusammenhängen schon

Mehr

Rolf Wanka Sommersemester 2007 11. Vorlesung 05.07.2007 rwanka@cs.fau.de

Rolf Wanka Sommersemester 2007 11. Vorlesung 05.07.2007 rwanka@cs.fau.de Peer-to to-peer-netzwerke Rolf Wanka Sommersemester 2007 11. Vorlesung 05.07.2007 rwanka@cs.fau.de basiert auf einer Vorlesung von Christian Schindelhauer an der Uni Freiburg Inhalte Kurze Geschichte der

Mehr

Guten Morgen und Willkommen zur Saalübung!

Guten Morgen und Willkommen zur Saalübung! Guten Morgen und Willkommen zur Saalübung! 1 Wie gewinnt man ein Spiel? Was ist ein Spiel? 2 Verschiedene Spiele Schach, Tic-Tac-Toe, Go Memory Backgammon Poker Nim, Käsekästchen... 3 Einschränkungen Zwei

Mehr

15. Elementare Graphalgorithmen

15. Elementare Graphalgorithmen Graphen sind eine der wichtigste Modellierungskonzepte der Informatik Graphalgorithmen bilden die Grundlage vieler Algorithmen in der Praxis Zunächst kurze Wiederholung von Graphen. Dann Darstellungen

Mehr

Rheinisch Westfälische Technische Hochschule Aachen Lehr- und Forschungsgebiet Theoretische Informatik Prof. Peter Rossmanith

Rheinisch Westfälische Technische Hochschule Aachen Lehr- und Forschungsgebiet Theoretische Informatik Prof. Peter Rossmanith Rheinisch Westfälische Technische Hochschule Aachen Lehr- und Forschungsgebiet Theoretische Informatik Prof. Peter Rossmanith Proseminar Netzwerkanalyse im SS 2004 Globale Metriken Andreas Feider 243675

Mehr

Babeș-Bolyai Universität Cluj Napoca Fakultät für Mathematik und Informatik Grundlagen der Programmierung MLG5005. Paradigmen im Algorithmenentwurf

Babeș-Bolyai Universität Cluj Napoca Fakultät für Mathematik und Informatik Grundlagen der Programmierung MLG5005. Paradigmen im Algorithmenentwurf Babeș-Bolyai Universität Cluj Napoca Fakultät für Mathematik und Informatik Grundlagen der Programmierung MLG5005 Paradigmen im Algorithmenentwurf Problemlösen Problem definieren Algorithmus entwerfen

Mehr

3 Klassifikation wichtiger Optimierungsprobleme

3 Klassifikation wichtiger Optimierungsprobleme 3 Klassifikation wichtiger Optimierungsprobleme 3.1 Das MIN- -TSP Wir kehren nochmal zurück zum Handlungsreisendenproblem für Inputs (w {i,j} ) 1 i

Mehr

Vorlesungsplan. Von Naïve Bayes zu Bayesischen Netzwerk- Klassifikatoren. Naïve Bayes. Bayesische Netzwerke

Vorlesungsplan. Von Naïve Bayes zu Bayesischen Netzwerk- Klassifikatoren. Naïve Bayes. Bayesische Netzwerke Vorlesungsplan 17.10. Einleitung 24.10. Ein- und Ausgabe 31.10. Reformationstag, Einfache Regeln 7.11. Naïve Bayes, Entscheidungsbäume 14.11. Entscheidungsregeln, Assoziationsregeln 21.11. Lineare Modelle,

Mehr

Vorlesung 3 MINIMALE SPANNBÄUME

Vorlesung 3 MINIMALE SPANNBÄUME Vorlesung 3 MINIMALE SPANNBÄUME 72 Aufgabe! Szenario: Sie arbeiten für eine Firma, die ein Neubaugebiet ans Netz (Wasser, Strom oder Kabel oder...) anschließt! Ziel: Alle Haushalte ans Netz bringen, dabei

Mehr

2.5. VERBINDUNGSNETZWERKE GESTALTUNGSKRITERIEN DER NETZWERKE TOPOLOGIE ALS GRAPH. Vorlesung 5 TOPOLOGIE: DEFINITIONEN : Sei G = (V, E) ein Graph mit:

2.5. VERBINDUNGSNETZWERKE GESTALTUNGSKRITERIEN DER NETZWERKE TOPOLOGIE ALS GRAPH. Vorlesung 5 TOPOLOGIE: DEFINITIONEN : Sei G = (V, E) ein Graph mit: Vorlesung 5.5. VERBINDUNGSNETZWERKE Kommunikation zwischen den einzelnen Komponenten eines arallelrechners wird i.d.r. über ein Netzwerk organisiert. Dabei unterscheidet man zwei Klassen der Rechner: TOOLOGIE:

Mehr

Scale-Free vs. Attract & Introduce Wer hat die höhere Fitness?

Scale-Free vs. Attract & Introduce Wer hat die höhere Fitness? Scale-Free vs. Attract & Introduce Wer hat die höhere Fitness? Mark Ortmann 11. April 2010 Universität Konstanz Fachbereich: Informatik und Informationswissenschaft Projekt: Netzwerkmodelle WS09/10 Betreuer:

Mehr

8 Diskrete Optimierung

8 Diskrete Optimierung 8 Diskrete Optimierung Definition 8.1. Ein Graph G ist ein Paar (V (G), E(G)) besteh aus einer lichen Menge V (G) von Knoten (oder Ecken) und einer Menge E(G) ( ) V (G) 2 von Kanten. Die Ordnung n(g) von

Mehr

Künstliche Intelligenz Maschinelles Lernen

Künstliche Intelligenz Maschinelles Lernen Künstliche Intelligenz Maschinelles Lernen Stephan Schwiebert Sommersemester 2009 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Maschinelles Lernen Überwachtes Lernen

Mehr

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundbegriffe der Informatik Kapitel 15: Graphen Thomas Worsch KIT, Institut für Theoretische Informatik Wintersemester 2015/2016 GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik

Mehr

Organic Computing: Peer-to-Peer-Netzwerke

Organic Computing: Peer-to-Peer-Netzwerke Organic Computing Peer-to-Peer-Netzwerke Rolf Wanka Sommersemester 2015 rwanka@cs.fau.de Inhalte Kurze Geschichte der Peer-to-Peer- Netzwerke Das Internet: Unter dem Overlay Die ersten Peer-to-Peer-Netzwerke

Mehr

Security of Online Social Networks

Security of Online Social Networks Security of Online Social Networks Social Network Analysis Lehrstuhl IT-Sicherheitsmanagment Universität Siegen May 31, 2012 Lehrstuhl IT-Sicherheitsmanagment 1/25 Overview Lesson 06 Fundamental Graphs

Mehr

Graphentheorie. Organisatorisches. Organisatorisches. Organisatorisches. Rainer Schrader. 23. Oktober 2007

Graphentheorie. Organisatorisches. Organisatorisches. Organisatorisches. Rainer Schrader. 23. Oktober 2007 Graphentheorie Rainer Schrader Organisatorisches Zentrum für Angewandte Informatik Köln 23. Oktober 2007 1 / 79 2 / 79 Organisatorisches Organisatorisches Dozent: Prof. Dr. Rainer Schrader Weyertal 80

Mehr

Wie Google Webseiten bewertet. François Bry

Wie Google Webseiten bewertet. François Bry Wie Google Webseiten bewertet François Bry Heu6ge Vorlesung 1. Einleitung 2. Graphen und Matrizen 3. Erste Idee: Ranking als Eigenvektor 4. Fragen: Exisi6ert der Eigenvektor? Usw. 5. Zweite Idee: Die Google

Mehr

Algorithmische Methoden zur Netzwerkanalyse Vorlesung 14, 08.02.2012 Henning Meyerhenke

Algorithmische Methoden zur Netzwerkanalyse Vorlesung 14, 08.02.2012 Henning Meyerhenke Algorithmische Methoden zur Netzwerkanalyse Vorlesung 14, 08.02.2012 Henning Meyerhenke 1 KIT Henning Universität desmeyerhenke: Landes Baden-Württemberg und nationales Algorithmische Forschungszentrum

Mehr

Kapitel 6: Graphalgorithmen Gliederung

Kapitel 6: Graphalgorithmen Gliederung Gliederung 1. Grundlagen 2. Zahlentheoretische Algorithmen 3. Sortierverfahren 4. Ausgewählte Datenstrukturen 5. Dynamisches Programmieren 6. Graphalgorithmen 7. String-Matching 8. Kombinatorische Algorithmen

Mehr

Architektur verteilter Anwendungen

Architektur verteilter Anwendungen Architektur verteilter Anwendungen Schwerpunkt: verteilte Algorithmen Algorithmus: endliche Folge von Zuständen Verteilt: unabhängige Prozessoren rechnen tauschen Informationen über Nachrichten aus Komplexität:

Mehr

Graphen: Datenstrukturen und Algorithmen

Graphen: Datenstrukturen und Algorithmen Graphen: Datenstrukturen und Algorithmen Ein Graph G = (V, E) wird durch die Knotenmenge V und die Kantenmenge E repräsentiert. G ist ungerichtet, wenn wir keinen Start- und Zielpunkt der Kanten auszeichnen.

Mehr

Random Networks. Centralized Networks. Decentralized Networks

Random Networks. Centralized Networks. Decentralized Networks Random Networks Stellen wir uns ein Abendessen mit zehn Personen vor. Die Personen wurden zufällig ausgewählt, keiner kennt den Anderen. Schon bald werden sich kleinere Gruppen bilden, manche Leute werden

Mehr

Algorithmische Mathematik

Algorithmische Mathematik Algorithmische Mathematik Wintersemester 2013 Prof. Dr. Marc Alexander Schweitzer und Dr. Einar Smith Patrick Diehl und Daniel Wissel Übungsblatt 6. Abgabe am 02.12.2013. Aufgabe 1. (Netzwerke und Definitionen)

Mehr

Lösungsvorschlag für die Probeklausuren und Klausuren zu Algebra für Informations- und Kommunikationstechniker bei Prof. Dr.

Lösungsvorschlag für die Probeklausuren und Klausuren zu Algebra für Informations- und Kommunikationstechniker bei Prof. Dr. Lösungsvorschlag für die Probeklausuren und Klausuren zu Algebra für Informations- und Kommunikationstechniker bei Prof. Dr. Kurzweil Florian Franzmann André Diehl Kompiliert am 10. April 2006 um 18:33

Mehr

Algorithmen für Peer-to-Peer-Netzwerke Sommersemester 2004 04.06.2004 7. Vorlesung

Algorithmen für Peer-to-Peer-Netzwerke Sommersemester 2004 04.06.2004 7. Vorlesung Algorithmen für Peer-to-Peer-Netzwerke Sommersemester 2004 04.06.2004 7. Vorlesung 1 Kapitel III Skalierbare Peer to Peer-Netzwerke Tapestry von Zhao, Kubiatowicz und Joseph (2001) Netzw erke 2 Tapestry

Mehr

Vorlesung "Verteilte Systeme" Sommersemester Verteilte Systeme. 9. Verteilte Algorithmen

Vorlesung Verteilte Systeme Sommersemester Verteilte Systeme. 9. Verteilte Algorithmen Vorlesung "Verteilte Systeme" Sommersemester 999 Verteilte Systeme 9. Verteilte Algorithmen Bereits behandelte Bereiche Logische Uhren Keine globale Uhrensynchronisation möglich (Theorie) Kausalitätserhaltender

Mehr

Kürzeste Wege in Graphen. Orte mit Straßenverbindungen. Coma I Rolf Möhring

Kürzeste Wege in Graphen. Orte mit Straßenverbindungen. Coma I Rolf Möhring Kürzeste Wege in Graphen Orte mit Straßenverbindungen Orte als Knoten eines Graphen Straßenverbindungen als Kanten eines Graphen Ungerichteter Graph G = (V,E) Kanten Knoten Knotenmenge V = {,,n} oder {,,n

Mehr

M.Bischoff 1 Linked / Netzwerke

M.Bischoff 1 Linked / Netzwerke M.Bischoff 1 Linked / Netzwerke Linked Artikel von Michael Bischoff für IGW Periodical (2007) Weite Strecken des wissenschaftlichen Denkens im 20.Jahrhundert waren von einem Forschungsdrang geprägt, den

Mehr

Quelle. Thematische Verteilungen. Worum geht es? Wiederholung. Link-Analyse: HITS. Link-Analyse: PageRank. Link-Analyse: PageRank. Link-Analyse: HITS

Quelle. Thematische Verteilungen. Worum geht es? Wiederholung. Link-Analyse: HITS. Link-Analyse: PageRank. Link-Analyse: PageRank. Link-Analyse: HITS Hauptseminar Web Information Retrieval Quelle Thematische Verteilungen 07.05.2003 Daniel Harbig Chakrabati, Soumen; Joshi, Mukul; Punera, Kunal; Pennock, David (2002): The Structure of Broad Topics on

Mehr

Erzeugung zufälliger Graphen und Bayes-Netze

Erzeugung zufälliger Graphen und Bayes-Netze Erzeugung zufälliger Graphen und Bayes-Netze Proseminar Algorithmen auf Graphen Georg Lukas, IF2000 2002-07-09 E-Mail: georg@op-co.de Folien: http://op-co.de/bayes/ Gliederung 1. Einleitung 2. einfache

Mehr

Monte-Carlo-Simulation

Monte-Carlo-Simulation Modellierung und Simulation Monte-Carlo-Simulation Universität Hamburg Johannes Schlundt 7. Januar 2013 Monte-Carlo-Simulation Johannes S. 1/31 Inhalt Motivation Geschichtliche Entwicklung Monte-Carlo-Simulation

Mehr

Big Data als Ökosystem datengetriebener Unternehmen

Big Data als Ökosystem datengetriebener Unternehmen Big Data als Ökosystem datengetriebener Unternehmen Präsentation im CINIQ Center for Data and Information Intelligence, Fraunhofer Heinrich-Hertz-Institut in Berlin 10.09.2013 von Dr. Peter Lauf Zur Person

Mehr

Soziale Wissenschaft Wissenschaft als soziales Netzwerk

Soziale Wissenschaft Wissenschaft als soziales Netzwerk Seminar Technologie sozialer Netzwerke Prof. Dr. Krömker WS 13/14 Soziale Wissenschaft Wissenschaft als soziales Netzwerk Sven Köppel koeppel@cs.uni-frankfurt.de Professur für Graphische Datenverarbeitung

Mehr

Westfählische Wilhelms-Universität. Eulersche Graphen. Autor: Jan-Hendrik Hoffeld

Westfählische Wilhelms-Universität. Eulersche Graphen. Autor: Jan-Hendrik Hoffeld Westfählische Wilhelms-Universität Eulersche Graphen Autor: 21. Mai 2015 Inhaltsverzeichnis 1 Das Königsberger Brückenproblem 1 2 Eulertouren und Eulersche Graphen 2 3 Auffinden eines eulerschen Zyklus

Mehr

9. Kooperation, verteilte Intelligenz und Netzwerke

9. Kooperation, verteilte Intelligenz und Netzwerke 9. Kooperation, verteilte Intelligenz und Netzwerke wie entsteht koordiniertes Verhalten mehrerer Organismen? Vorbilder: Schwarmtiere, Insektenstaaten, menschliche Gesellschaft "Sozionik": Erkundung hypothetischer

Mehr

Lange Nacht der Wissenschaft. Ein Klassiker. Die Mathematik der Kürzesten Wege

Lange Nacht der Wissenschaft. Ein Klassiker. Die Mathematik der Kürzesten Wege Lange Nacht der Wissenschaft Ein Klassiker Die Mathematik der Kürzesten Wege 09.06.2007 schlechte@zib.de Konrad-Zuse-Zentrum für Informationstechnik Berlin (ZIB) http://www.zib.de/schlechte 2 Überblick

Mehr

Extremwertverteilungen

Extremwertverteilungen Seminar Statistik Institut für Stochastik 12. Februar 2009 Gliederung 1 Grenzwertwahrscheinlichkeiten 2 3 MDA Fréchet MDA Weibull MDA Gumbel 4 5 6 Darstellung von multivariaten, max-stabilen Verteilungsfunktionen

Mehr

Der Power System Simulator an der BTU Cottbus-Senftenberg

Der Power System Simulator an der BTU Cottbus-Senftenberg Der Power System Simulator an der BTU Cottbus-Senftenberg - ein Ausbildungs- und Trainingssystem für eine zuverlässige Netzintegration erneuerbarer Energien und Elektromobilität Als Teil des Schaufensterprojekte

Mehr

Vorlesung Informatik 2 Algorithmen und Datenstrukturen. (20 Graphen) T. Lauer

Vorlesung Informatik 2 Algorithmen und Datenstrukturen. (20 Graphen) T. Lauer Vorlesung Informatik 2 Algorithmen und Datenstrukturen (20 Graphen) T. Lauer 1 Motivation Wie komme ich am besten von Freiburg nach Ulm? Was ist die kürzeste Rundreise durch eine gegebene Menge von Städten?

Mehr

Datenanalyse mit Python. Dr. Wolfram Schroers

Datenanalyse mit Python. Dr. Wolfram Schroers <Wolfram.Schroers - at - Field-theory.org> Datenanalyse mit Python Dr. Wolfram Schroers Problem Beobachtungen Modell (Annahmen, Vereinfachungen) Vorhersagen Vergleich Python: Stärken und Schwächen Anwendung:

Mehr

8. Übung zu Algorithmen I 15. Juni 2016

8. Übung zu Algorithmen I 15. Juni 2016 8. Übung zu Algorithmen I 15. Juni 2016 Lisa Kohl Lisa.Kohl@kit.edu (mit Folien von Julian Arz, Timo Bingmann, Sebastian Schlag, Christian Staudt und Christoph Striecks) Nachtrag: Quicksort, alternative

Mehr

Exploration und Klassifikation von BigData

Exploration und Klassifikation von BigData Exploration und Klassifikation von BigData Inhalt Einführung Daten Data Mining: Vorbereitungen Clustering Konvexe Hülle Fragen Google: Riesige Datenmengen (2009: Prozessieren von 24 Petabytes pro Tag)

Mehr

Konzepte der Informatik

Konzepte der Informatik Konzepte der Informatik Vorkurs Informatik zum WS 2011/2012 26.09. - 30.09.2011 17.10. - 21.10.2011 Dr. Werner Struckmann / Christoph Peltz Stark angelehnt an Kapitel 1 aus "Abenteuer Informatik" von Jens

Mehr

Datenstrukturen und Algorithmen. Christian Sohler FG Algorithmen & Komplexität

Datenstrukturen und Algorithmen. Christian Sohler FG Algorithmen & Komplexität Datenstrukturen und Algorithmen Christian Sohler FG Algorithmen & Komplexität 1 Clustering: Partitioniere Objektmenge in Gruppen(Cluster), so dass sich Objekte in einer Gruppe ähnlich sind und Objekte

Mehr

Google s PageRank. Eine Anwendung von Matrizen und Markovketten. Vortrag im Rahmen der Lehrerfortbildung an der TU Clausthal 23.

Google s PageRank. Eine Anwendung von Matrizen und Markovketten. Vortrag im Rahmen der Lehrerfortbildung an der TU Clausthal 23. Google s PageRank Eine Anwendung von Matrizen und Markovketten Vortrag im Rahmen der Lehrerfortbildung an der TU Clausthal 23. September 2009 Dr. Werner Sandmann Institut für Mathematik Technische Universität

Mehr

Wie findet man den optimalen Weg zum Ziel? Klassische Probleme der Kombinatorischen Optimierung

Wie findet man den optimalen Weg zum Ziel? Klassische Probleme der Kombinatorischen Optimierung Wie findet man den optimalen Weg zum Ziel? Klassische Probleme der Kombinatorischen Optimierung Teilnehmer/innen: Markus Dahinten, Graf Münster Gymnasium Bayreuth Robert Fay, Herder Gymnasium Berlin Falko

Mehr

Internet-Algorithmen

Internet-Algorithmen Spezialvorlesung Internet-Algorithmen Wintersemester 2009/10 Martin Sauerhoff 1. Einleitung Das Internet abstrakte Version: Hosts / Endsysteme Router Kommunikation gemäß IP In Wirklichkeit starke hierarchische

Mehr

Kombinatorische Optimierung

Kombinatorische Optimierung Juniorprof. Dr. Henning Meyerhenke 1 Henning Meyerhenke: KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft www.kit.edu Vorlesung 1 Programm des

Mehr

Synergien aus Graph-Theorie und Data-Mining für die Analyse von Netzwerkdaten

Synergien aus Graph-Theorie und Data-Mining für die Analyse von Netzwerkdaten für die Analyse von Netzwerkdaten Tanja Hartmann, Patricia Iglesias Sánchez, Andrea Kappes, Emmanuel Müller und Christopher Oßner IPD Institut für Programmstrukturen und Datenorganisation ITI Institut

Mehr

Informatik 11 Kapitel 2 - Rekursive Datenstrukturen

Informatik 11 Kapitel 2 - Rekursive Datenstrukturen Fachschaft Informatik Informatik 11 Kapitel 2 - Rekursive Datenstrukturen Michael Steinhuber König-Karlmann-Gymnasium Altötting 15. Januar 2016 Folie 1/77 Inhaltsverzeichnis I 1 Datenstruktur Schlange

Mehr

Vorlesung Theoretische Informatik

Vorlesung Theoretische Informatik Vorlesung Theoretische Informatik Automaten und Formale Sprachen Hochschule Reutlingen Fakultät für Informatik Masterstudiengang Wirtschaftsinformatik überarbeitet von F. Laux (Stand: 09.06.2010) Sommersemester

Mehr