Prof. Dr. Martin Spott

Portrait von Prof. Dr. Martin Spott
 +49 30 5019-3736
 +49 30 5019-48-3736
Martin.Spott@HTW-Berlin.de
Campus Treskowallee
TA Gebäude C, 821
Treskowallee 8
10318 Berlin

Lehr- und Forschungsgebiet

Data Science

Schwerpunkte

Collaborative and Visual Analytics; Data Mining and Machine Learning; Statistics; Education in Data Science

Forschungsaktivitäten

Sprechzeiten

Meine Sprechstunde findet donnerstags von 12:30-13:30 in Raum TA C 821 nach Anmeldung per E-Mail statt.

Master- und Bachelorarbeiten

Ich übernehme gerne die Betreuung von Master- und Bachelorarbeiten im Bereich Data Science (Maschinelles Lernen, Data Mining, Visual Analytics, Statistik). Dies gilt gleichermaßen für Arbeiten in der Industrie wie auch für eigene Themen. Bitte melden Sie sich bei Interesse per E-Mail.   

Konkrete Themen, die teilweise auf aktuellen Arbeiten aufbauen:

  1. Identifikation von Lebensmitteln in Fotos von Mahlzeiten mit Deep Learning (Kooperationsprojekt zwischen der HTW und dem Bundesinstitut für Risikobewertung) 
  2. Hardwareprojekt im Zusammenhang mit Thema 1, das eine Waage mit Kameras kombiniert, um zwecks Datensammlung z.B. in einer Mensa das Gewicht und Bilder von Mahlzeiten aufzunehmen und zu speichern (Kooperationsprojekt zwischen der HTW und dem Bundesinstitut für Risikobewertung) 
  3. Entwicklung eines Web-Frontends für ein Werkzeug in Python oder R, um in der Lehre Techniken des maschinellen Lernens (ML) zu demonstrieren. Daten werden gemalt und die Ergebnisse verschiedener ML-Modelle grafisch angezeigt (baut auf existierenden Arbeiten auf)
  4. Entwicklung eines Werkzeugs für Autoren, um auf der Basis von RMarkdown oder Jupyter Notebooks interaktive Lehrmaterialien in Data Science zu erstellen
  5. Subgroup Discovery: In Daten sollen interessante Muster erkannt und diese regelbasiert dargestellt werden. Die Komplexität der Regeln soll so stark reduziert werden, dass sie von Menschen verarbeitet werden können, ohne zu viel Information zu verlieren (baut auf existierenden Arbeiten auf)
  6. Im Zusammenhang mit Thema 5 sollen interaktive Visualisierungen gebaut werden, um die gefundenen Muster/Regelwerke in 5 zu explorieren (baut auf existierenden Arbeiten auf)

Funktion und Organisationseinheit

  • Wirtschaftsinformatik (M)
    Hochschullehrer_in, Studiengangssprecher_in
  • Wirtschaftsinformatik (B)
    Hochschullehrer_in, Studiengangssprecher_in
  • Fachbereich 4: Informatik, Kommunikation und Wirtschaft
    Hochschullehrer_in