Prof. Dr. Martin Spott

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

Fach-/Arbeitsgebiet

Data Science

Schwerpunkte

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

Sprechzeiten

Wegen der aktuellen Corona-Situation melden Sie sich bitte per E-Mail von Ihrem HTW-Account für einen Termin bei mir.

Ich übernehme gerne die Betreuung von Master- und Bachelorarbeiten im Wintersemester 2020/2021 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 Themenbeispiele:
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)

Forschungsaktivitäten

Funktion und Organisationseinheit

  • Fachbereich 4: Informatik, Kommunikation und Wirtschaft
    Hochschullehrer_in
  • Fachbereich 4: Informatik, Kommunikation und Wirtschaft » Wirtschaftsinformatik (B)
    Hochschullehrer_in
  • Fachbereich 4: Informatik, Kommunikation und Wirtschaft » Wirtschaftsinformatik (M)
    Hochschullehrer_in, Auswahlkommission - Mitglied
  • Fachbereich 4: Informatik, Kommunikation und Wirtschaft » FB4 Labor Innovative Systeme
    Laborleiter_in