IT-Ferialpraktikum 2020

Interns shall collaborate with team members of ATHENA and work on specific topics in the research areas of the ATHENA project (see below and on the web site). In particular, software development and programming of various modules related to

1. multimedia content provisioning (video coding): video coding experiments incl. using machine learning tools and quality evaluations;
2. content delivery (video networking): video delivery over content distribution networks (CDNs) including mobile edge computing (MEC) in the context of 5G networks;
3. content consumption (video player) and end-to-end aspects: video player (Javascript, Android) enhancements and end-to-end improvements of the aforementioned research aspects.

The aim for interns is becoming familiar with today’s technologies related to HTTP adaptive streaming (HAS) as used by Netflix, YouTube & Co. In particular, interns shall work on specific aspects in this context and develop software modules to be used in various scientific experiments in order to advance video coding, networking, client/player, and end-to-end aspects. Interns may also participate in our next year’s summer school: https://athena.itec.aau.at/summer-school-2020/

Auf den Punkt gebracht

Die Projekteilnehmer erstellen ein System, welches Bewegungen und/oder Posen detektiert und eine kleine Menge an einfachen Bewegungen unterscheiden kann, um damit in weiterer Folge einen kleinen fahrenden Roboter durch ein kleines Labyrinth zu steuern.

Projekt-Inhalt

Im Mittelpuntk des Projekts befindet sich ein in unserem Labor installiertes Motion Capturing System, mit welchem Bewegungen von Objekten (z.B. von Menschen oder Robotern) sehr genau detektiert werden können. Nachdem sie den Umgang mit diesem vielseitigen System erlernt haben, überlegen sich die Projektteilnehmer eine Reihe von eindeutigen Bewegungen, welche vom System detektiert werden, um damit in weiterer Folge einen kleinen fahrenden Roboter zu steuern. Dabei soll die Fernsteuerung des Roboters derart realisiert werden, dass die Teilnehmer in der Lage sind, ihn durch ein am Boden befindliches Labyrinth zu steuern.

Die hierbei verwendeten Steuer-Bewegungen können Posen einer Person (Arme in Fahrtrichtung ausgestreckt, beide Arme erhoben, nur ein Arm erhoben, usw.), oder auch unterschiedliche Positionen oder Bewegungen von Objekten, die sozusagen als Fernsteuerung des Roboters verwendet werden, sein.

Projekt-Ziel

Die Projekteilnehmer erstellen ein System, welches Bewegungen und/oder Posen detektiert und eine kleine Menge an einfachen Bewegungen unterscheiden kann, um damit in weiterer Folge einen kleinen fahrenden Roboter durch ein kleines Labyrinth zu steuern.

Im Zuge des Projekts werden die Projektteilnehmer in die Bewegungserfassung und –erkennung eingeführt und erlernen den praktischen Umgang mit dem Motion Capturing System OptiTrack. Weiters arbeiten sie mit frei programmierbaren Robotern, welche auch in der Forschung verwendet werden (sogenannten Balboas). Insgesamt lernen die Teilnehmer durch die praktische Umsetzung der Aufgabenstellung, welche Teile notwendig sind und wie sie zusammenspielen, um von einer Körperbewegung zur Bewegung des Roboter zu gelangen.

Im Rahmen des Projekts sollen die SchülerInnen einen Prototypen zur Visualisierung von Software Qualitäts-Metriken und der Build Pipeline  programmieren. Der Prototyp kann an prominenter Stelle platziert werden (z.B. einer oder mehrere Bildschirme im Unternehmen) und ermöglicht die Einsicht des aktuellen Status der Qualität bzw. des aktuellen Zustandes der Build Pipeline. Ziel der Visualisierung ist es etwaige Fehler bzw. negative Trends in der Qualität der Software oder im Software Entwicklungsprozess frühzeitig zu erkennen und das Qualitäts-Bewusstsein des Teams zu stärken.

• Software Ansteuerung der Qualitätsmetriken von Continuous Integration Systemen (z.B.: Jenkins oder TravisCI)
• Entwurf und Programmierung eines User Interfaces zur Visualisierung und Aufbereitung der Daten
• Testen des Prototyps

Fast so lange, wie Menschen anderen Menschen Mathematik bei zu bringen versuchen, haben sie diesen auch Textaufgaben gestellt. In der Mathematikdidaktik (=Wissenschaft vom Lehren und Lernen von Mathematik) beschäftigt man sich seit langem mit der Frage, warum viele Menschen große Schwierigkeiten haben, solche Aufgaben richtig zu verstehen und dann auch lösen zu können.

Im Praktikum beschäftigen sich die Teilnehmenden einerseits (auf Basis von Texten, Präsentationen von und Diskussionen mit Angehörigen des Instituts) mit Erklärungsansätzen und Modellen aus der Mathematikdidaktik und der Sprachwissenschaft, die die Schwierigkeiten mit Textaufgaben erklären können.

Andererseits werden die Teilnehmenden auch selbst didaktisch aktiv, sowohl als ExpertInnen für die Schwierigkeit von Aufgaben, die sie selbst lösen und bewerten, als auch als ForscherInnen, die (unterstützt durch verschiedene Softwarepakete) Aufgabentexte und Testergebnisse empirisch analysieren und mögliche Ursachen und Erklärungen für die Schwierigkeit der Aufgabenstellungen aufspüren.

In diesem Praktikum kannst du erforschen, wie ein Computer aus Daten lernt. Was dabei alles „gelernt“ werden kann, gilt es im Praktikum herauszufinden. Die PraktikantInnen sollen sich im Team mit verschiedenen Daten auseinandersetzen, um die Möglichkeiten und Grenzen von Machine Learning Techniken kennen zu lernen. Dazu gehören: Aufbereitung der Grunddaten, Wahl der Analysemethode, Interpretation der Resultate.

Alle Fragestellungen und Probleme können auch ohne Programmiererfahrung gelöst werden (etwa über Toolkits wie Orange). Jene mit Programmiererfahrung können ihre Kenntnisse durch die Nutzung von Programmierframeworks (wie Python + scikit-learn) vertiefen.

Zu Beginn geht es um das Kennenlernen von Methoden des Machine Learning. Danach soll das Team auch Unterlagen entwerfen, um das Thema Machine Learning FreundInnen geeignet zu vermitteln.

In vielen alltäglichen Objekten stecken mathematische Konzepte: von der sicheren oder geheimen Übertragung von Nachrichten, über die Erstellungen von Stundenplänen und das Finden optimaler Auslieferrouten bis hin zur optimalen Planung von Städten.

Im Rahmen des Ferialpraktikums wollen wir die mathematischen Konzepte, die hinter derartigen Problemen stehen anhand des Schemas „Experimentieren – Vermuten – Beweisen“ erforschen. Die gefundenen Erkenntnisse sollen dann insbesondere für die Öffentlichkeit (z.B. Lange Nacht der Forschung, Kurzvideos) digital aufbereitet werden.

Die FerialpraktikantInnen werden mithilfe einer visuellen Programmiersprache erste Schritte in maschinelles Lernen machen und in mehreren Experimenten wie zum Beispiel „wie lernt ein Computer Katzen von Hunden zu unterscheiden“ oder „kann mein Rechner auch andere Spiele lernen (z.B.: „Stein, Papier, Schere“, „PacMan“ oder „TicTacToe““) selbst ausprobieren, wie die Grundlagen von Künstlicher Intelligenz und Neuronalen Netzen funktionieren. Die Erkenntnisse werden genutzt um entsprechende Aufbauten für PR-Auftritte für SchülerInnen an der Universität, in Schulen oder auf Messen vorzubereiten.

Im Rahmen des Praktikums sollen Daten zum Training und zur Evaluation von Algorithmen der künstlichen Intelligenz in der Drohnenforschung erhoben werden. Ausgehend von einem konkreten Anwendungsfall werden die Daten direkt mit der Drohne in unserer neuen Drohnenhalle oder im Freien aufgenommen. Dabei handelt es sich um Videosequenzen der Drohnenkamera sowie weitere Sensordaten wie Beschleunigungswerte und Drehgeschwindigkeiten. In der Drohnenhalle wird zusätzlich auch noch die Position der Drohne im Raum millimetergenau durch ein optisches Trackingsystem aufgezeichnet. Die zu einem Flug zusammengehörigen Daten werden in einer Datenbank abgelegt, und in weiterer Folge zum Training und Test von KI-Algorithmen zur Zustandsschätzung und / oder optimaler Regelung der Drohne zum Einsatz zu kommen.

Knowing how people move around inside buildings enables a higher comprehension of indoor security, social networking and energy management. We will see how gathering data from the environment can be used together with Artificial Intelligence to enable better performing energy distribution.

During this activity students will partake in developing the following:

– a smart sensing board that acquires data from the environment and correlates it with human presence, energy usage and time of day/year

– an Artificial Intelligence approach to optimize energy consumption in buildings

Im Rahmen dieses Praktikums bauen die PraktikantInnen einen Spinnenroboter zusammen, programmieren Spinnenroboter, kalibrieren die Sensoren, bauen einen Simulator für den Roboter und führen mehrere Schwarmexperimente durch. Die PraktikantInnen sollten dazu löten und gut in Java oder C programmieren können.

Text-Adventures vermitteln die Geschichte eines Computerspiels durch Textpassagen, die dem Spieler oder der Spielerin als Reaktion auf getippte Anweisungen offenbart werden. Einige Umsetzungen verwenden einen einfachen Zwei-Wort-Parser, um diese Anweisungen zu interpretieren, z.B. durch Eingabe von „nimm Schlüssel“. Text-Abenteuer mit fortgeschrittenen Parsern verwenden natürliche Sprachverarbeitung, um komplexere Spielerbefehle wie „Nimm den Schlüssel vom Schreibtisch“ zu ermöglichen. Im Rahmen dieses Praktikums beschäftigen sich die PraktikantInnen mit Programmiertechniken und Erzählformen zur Erstellung von solchen Text-Adventures.

Die PraktikantInnen sollten Interesse am Programmieren und am Geschichten schreiben haben, vorzugsweise in Englisch.

Im Rahmen dieses Praktikums lernen die PraktikantInnen 3D-Modellierung und den Umgang mit einem 3D-Drucker.

Erweitere den Javascript-basierten Player für Scratch mit neuer Funktionalität. Du solltest dafür Scratch kennen und Javascript gut beherrschen. Zusätzlich kannst du in diesem Praktikum mit der DACH-Scratch Gruppe zusammenarbeiten.

Erweitere die Computerspielengine RPG-Boss, so dass man damit tolle Computerspiele machen kann! Die PraktikantInnen sollten schon gut in einer Programmiersprachen programmieren können und sich für Computerspiele interessieren.

Musik und programmieren – wie passt das zusammen? Tatsächlich gibt es eine rege Szene von Musiker*innen die Synthesizermusik auf dem sogenannten SID-Chip programmieren. Dieser Chip wurde bereits in Heimcomputersystemen in den 80ern verbaut, hat aber wegen seiner charakteristischen Klänge noch heute viele Fans.

Im Praktikum wird ein bestehender Musik-Tracker zur Erstellung von Synthesizer-Tracks erweitert und mit der Generierung von Musiksequenzen experimentiert. Als Programmiersprache kommen C und Python oder Java zum Einsatz.

Die Praktikant*innen sollten Interesse am Programmieren haben und ein gutes Musikwissen mitbringen, vorzugsweise spielen die Praktikant*innen ein Instrument.