|
Lehrende/r: Dr. Thomas Berkemeier; Tom Breuer; Univ.-Prof. Dr. Michael Bruse; Juri Diels; Dr. Klaus Klingmüller; Prof. Dr. Jos Lelieveld; Alexander Röckl; Dr. Helge Simon; Dr. Tim Sinsel; Dr. rer. pol. Constantin Weiser
Veranstaltungsart:
Kurs
Anzeige im Stundenplan:
00.Q+.220
Credits:
6,0
Unterrichtssprache:
Deutsch
Min. | Max. Teilnehmerzahl:
- | 15
Voraussetzungen / Organisatorisches:
Teilnahmevoraussetzungen siehe Zugeordnete Lehrveranstaltungen
Diese Q+Veranstaltung entstand durch die Initiative und/oder durch aktive Mitgestaltung von Q+Studierenden oder Q+Alumni.
Inhalt:
Q+Seminarreihe in vier Teilen
Die von Studierenden mitentwickelte Q+Seminarreihe „Wie Wissenschaft forscht“ setzt sich grundsätzlich mit den Methoden auseinander, die in der Wissenschaft Anwendung finden und will zeigen, wie diese jeweils in verschiedenen Disziplinen und anwendungsbezogen in unserer Gesellschaft eingesetzt werden.
Im Sommersemester 2021 beschäftigen wir uns mit „Simulationen und ihren Unsicherheiten“ in der Chemie, in der Geoinformatik sowie in der Ökonometrie und zeigen am Beispiel angewandter Wissenschaft die Erstellung von Zuschauer/innenprognosen via Simulationen beim ZDF auf.
Q+ gemäß werden wir dabei zusammen mit insgesamt zehn Spezialisten vier brisante gesellschaftliche Themen beleuchten:
Teil 1:
Mikroklima und Hitzestress- Numerische Simulation in der Architektur und Stadtplanung
am Freitag, 18. Juni 2021, 09.30 h bis 16.00 h
mit Prof. Dr. Michael Bruse, Dr. Helge Simon, M.Sc Tim Sinsel, F09, Geographisches Institut
Teil 2:
Makroökonomie: Simulationen – Werkzeug, Chance und Risiko für die Wissenschaft
am Montag, 21. Juni 2021, 14.15 h bis 18.00 h
mit Dr. Constantin Weiser, FB 03, Wirtschaftswissenschaften
Teil 3:
ZDF - Wie Zuschauer*innenverhalten prognostiziert wird. Anwendung und Interpretation von Machine Learning Modellen im Medienumfeld.
am Montag, 28. Juni 2021; 10.15 h bis 16.00 h
mit Tom Breuer, M.A.; Juri Diels M.A.; Alexander Röckl, M.A., ZDF digital
Teil 4:
Luftverschmutzung und vorzeitige Todesfälle
Am Montag, 05. Juli 2021, 09.00 h bis 13.00 h
mit Prof. Dr. Jos Lelieveld , Dr. Thomas Berkemeier, Dr. Klaus Klingmüller, Max-Planck-Institut für Chemie.
Die Q+Seminarreihe muss zwingend für alle vier Seminarteile gelten.
Es ist nicht möglich, einzelne Workshops zu besuchen.
Zugeordnete Lehrveranstaltungen:
1. Mikroklima und Hitzestress- Numerische Simulation in der Architektur und Stadtplanung
Teilnahmevoraussetzungen: Interesse am Thema Nachhaltige Stadtplanung, Stadtklimatologie und numerischen Verfahren
Literatur
Siehe https://envi-met.info/doku.php?id=qplus
Anforderungen: Lesen der Literatur, allgemeines Verständnis von rechnerbasierten Analyseverfahren und Methoden
Lernziele: Verständnis der Problematik Überhitzung von Städten, Eigenschaften des städtischen Mikroklimas und des thermischen Komforts für Menschen. Wie können Städte im Computer nachgebildet werden und wie kann der Rechner hieraus die klimatologischen Bedingungen berechnen?
Inhalt
Die Teilnehmer bekommen einen kurzen Überblick über die Besonderheiten des städtischen Mikroklimas und die Wechselwirkungen zwischen der lokalen Umweltgestaltung und dem Klima bzw. dem thermischen Komfort.
Die Bedeutung der Elemente Wind, Sonne, Lufttemperatur auf den menschlichen Organismus werden erläutert und das Konzept von gefühlter Temperatur erläutert.
Das Konzept und der Aufbau der Mikroklimamodells ENVI-met wird vorgestellt und anhand von Beispielen wird gezeigt, wie unterschiedliche Gestaltungsszenarien das Außenklima verändern und welche Möglichkeiten es gibt, durch die Anwendung von sogenannten Nater-Based Solutions (NBS) wie Grünflächen, Bäume oder Wasser den thermischen Komfort zu verbessern.
Die Teilnehmer werden abschließend am Computer selber einfache Modelle erstellen, simulieren und auswerten.
Lehrende
Prof. Dr. Michael Bruse ist Professor für Geoinformatik an der Universität Mainz und Chief Development Officer und CEO bei der ENVI-met GmbH. Er entwickelt seit 1993 Simulationmodelle für das städtische Mikroklima, wobei seit 1997 sein Schwerpunkt in der Konzeption und Entwicklung des holistischen Mikroklimamodells ENVI-met liegt. Prof. Bruse war und ist Koordinator verschiedener nationaler und internationaler Forschungsprojekte im Bereich des städtischen Mikroklimas mit einem Schwerpunkt auf Mitigation und Adaptionsstrategien (z.B. EU Projekt Benefits of Urban Green Spaces, BMBF Projekte proGreenCity, GreenSkin und Green4Cities).
Prof. Bruse ist zudem assoziierter Partner bei Werner Sobek GreenTechnologies Stuttgart und hat unterschiedliche internationale Lehraufträge, u.A. an der Architectural Association London und an der Graduate School of Design in Harvard. Er ist Gutachter bei zahlreichen wissenschaftlichen Journalen (Energy and Environment, Urban Environment, Energy and Buildings) sowie Mentor in europäischen Verbundprojekten (z.B. Nature4Cities).
Dr. Simon ist zusammen mit Prof. Bruse verantwortlich für Konzeption und Weiterentwicklung des Simulationmodells ENVI-met. Er hat 2016 in Mainz über theorische und praktische Aspekte des Einsatzes von ENVI-met an der Universität Mainz promoviert. Dr. Simon ist in unterschiedlichen Projekten zur Klimaanpassung auf Quartiers- und Gebäudeebene tätig und verantwortlich für die Konzeption, Durchführung und Qualitätssicherung von Simulationprojekten.
Timm Kropp, M.Sc hat 2017 seinen Master of Science im Bereich Klima- und Umweltwandel an der Universität Mainz erlangt. Er ist verantworlich für die praktische Durchführung von numerischen Simulationen mit ENVI-met. Sein Arbeitsspekturm umfasst hierbei sowohl die Aquise und Aufbereitung von digitalen Umweltdaten und die Vorbereitung der Simulationsaufgaben als auch die Auswertung und Visualisierung der Modellergebnisse .
Herr Kropp ist zudem an der Programmierung und Erweiterung des ENVI-met Systems beteiligt.
2. Simulationen – Werkzeug, Chance und Risiko für die Wissenschaft
Teilnahmevoraussetzungen: Technische Affinität / Grundverständnis von Algorithmen (Reader wird bereitgestellt)
Anforderungen: aktive Teilnahme
Lernziele: Studierende sollen nach der Veranstaltung…
- die Idee der Computer-Simulation wiedergeben können.
- Simulationen in den Kontext von Theorie und Empirie einordnen können.
- die Unterschiede zwischen (Labor-/Feld-) Experiment und Simulation kennen.
- Idee der „Simulation“ auf Anwendungsfelder/-Beispiele überführen können.
- häufig genannte „Möglichkeiten“ und „Risiken“ einer auf Simulationen basierenden Forschung begründen können.
- die Grundstruktur von numerischen Simulationen (Monte-Carlo Simulationen) kennen.
- einfache kleine numerische Simulationen (gedanklich) selbst entwickeln können.
Inhalt
Flugsimulationen für die Ausbildung von Pilot/innen. Numerische Simulationen für die Berechnung von Schätzungenauigkeiten in der Statistik. Wettersimulationen für die Erstellung von Wettervorhersagen.
Das Werkzeug „Simulation“ ist extremst vielseitig, so vielseitig, dass die Gemeinsamkeiten konkreter Anwendungen manchmal schwer zu erkennen sind.
Im wissenschaftlichen Prozess schlagen Simulationen eine Brücke zwischen Theorie und Empirie. Und mit zunehmender Rechenleistung mehren sich die erfolgreichen Anwendungen dieser Technik.
Diese Veranstaltung zielt darauf, die grundlegenden Prinzipien von Simulationen und deren Einsatz im Wissenschaftsprozess zu beschreiben. Neben der Vorstellung der Instrumentariums legt die Veranstaltung großen Wert auf deren kritischen Diskussion der Möglichkeiten und Risiken. Die Veranstaltung versucht, einen intuitiven Zugang zu der Methode zu eröffnen und wird nur, wo nötig, formale und technische Details einbinden.
Die Veranstaltung ist in 3 Teile gegliedert.
(1) Vortrag zur Einführung in das Themengebiet
(2) Fallbeispiele erarbeiten (gegebenenfalls in Gruppenarbeit)
(3) Diskussion: „Simulationen in der Wissenschaft - Zirkelschluss oder Erkenntnisgewinn“
Lehrende
Dr. Constantin Weiser ist seit 2017 Dozent für Statistik und Ökonometrie am Fachbereich Wirtschaftwissenschaften. Er studierte Volkswirtschaftslehre an den Universitäten Mannheim und Mainz und wurde in Mainz im Bereich Ökonometrie und Statistik promoviert. Er erforscht u.a. rechenintensive Verfahren in der Statistik mit Techniken der numerischen Simulation.
https://www.blogs.uni-mainz.de/fb03-statistik-mathematik/cv-engl/
3. ZDF: Wie Zuschauerverhalten und Einschaltquoten prognostiziert werden. Anwendung und Interpretation von Machine Learning-Modellen im Medienumfeld
Teilnahmevoraussetzungen: Erste Erfahrungen mit quantitativer Datenanalyse sind hilfreich, aber keine Voraussetzung
Empfohlene Literatur:
· Covington et al. (2016): „Deep Neural Networks for YouTube Recommendations“ https://static.googleusercontent.com/media/research.google.com/de//pubs/archive/45530.pdf
· Wittenauer: „Deep Learning With Keras: Recommender Systems“ https://www.johnwittenauer.net/deep-learning-with-keras-recommender-systems/
· Koren et al. (2009): „Matrix Factorization Techniques for Recommender Systems“ https://datajobs.com/data-science-repo/Recommender-Systems-%5bNetflix%5d.pdf
· Vivek: „Automated Keyword Extraction from Articles using NLP“https://medium.com/analytics-vidhya/automated-keyword-extraction-from-articles-using-nlp-bfd864f41b34
· Chilakapati: „Word Embeddings and Document Vectors“ https://towardsdatascience.com/word-embeddings-and-document-vectors-part-1-similarity-1cd82737cf58
Anforderungen: aktive Teilnahme
Lernziele:
· Grundlegendes Verständnis von Nutzungsverhalten und Einschaltquote in Medienbereich
· Grundlegendes Verständnis von Machine Learning
· Einblicke in die Verwendung von Machine Learning im Medienumfeld (Metadaten-Extraktion aus unstrukturierten Daten wie Text und Audio, Analyse von Nutzungsdaten etc.)
· Praktische Erfahrung im Erstellen eines Machine Learning Projekts mit Python
Inhalt
Mit dem Eintritt von Netflix, Amazon, Apple oder Disney in den Medienmarkt werden zielgruppengerechte Planung und Ausspielung von Content auch für andere Medienanbieter immer relevanter. Öffentlich-rechtliche Sender wie beispielsweise das ZDF, die einen gesetzlichen Bildungsauftrag haben und durch allgemeine Gebühren finanziert werden, planen systematisch und aufgrund wissenschaftlicher Methoden, welche Themen und Formate wie und wen gezielt adressieren und zu welcher Senderzeit platziert werden. Die insbesondere für Marketingstrategien relevante „Einschaltquote“ einer TV- oder Radiosendung, der prozentuale Anteil der Empfangshaushalte gemessen an der Gesamtmenge aller Empfangshaushalte, unabhängig davon, ob diese eingeschaltet werden, dominiert auch bei öffentlich-rechtlichen Sendern die Progammplanung. Doch wie funktioniert die Berechnung von Zuschauerverhalten? Welche Methoden werden dabei eingesetzt?
Drei Mitarbeiter bei ZDF Digital, die Nutzungsdaten und Reports zur Prognose von Zuschauer*innenverhalten erstellen und auswerten, geben Einblicke in ihre Arbeit. Sie zeigen die Möglichkeiten und Herausforderungen von Machine Learninaus unturierten Daten oder zur Vorhersage von Nutzungsverhalten im Medienbereich und vertiefen diese an einem hands-on Beispiel.
Lehrende
Tom Breuer
· M.A. Kommunikationswissenschaft (Johannes Gutenberg-Universität Mainz)
· Seit Ende 2017 bei ZDF Digital in der Datenanalyse tätig:
o automatisierte Aufbereitung von Nutzungsdaten in den Bereichen Online (Mediathek/VoD) und Offline (lineares TV)
o Web Traffic-Analysen
o Verwendung von Machine Learning-Methoden für person
|
