TY  - JOUR
A1  - Grillenberger, Andreas
A1  - Romeike, Ralf
T1  - Teaching Data Management
BT  - Key Competencies and Opportunities
JF  - KEYCIT 2014 - Key Competencies in Informatics and ICT
N2  - Data management is a central topic in computer science as
well as in computer science education. Within the last years, this topic is
changing tremendously, as its impact on daily life becomes increasingly
visible. Nowadays, everyone not only needs to manage data of various
kinds, but also continuously generates large amounts of data. In
addition, Big Data and data analysis are intensively discussed in public
dialogue because of their influences on society. For the understanding of
such discussions and for being able to participate in them, fundamental
knowledge on data management is necessary. Especially, being aware
of the threats accompanying the ability to analyze large amounts of
data in nearly real-time becomes increasingly important. This raises the
question, which key competencies are necessary for daily dealings with
data and data management.
In this paper, we will first point out the importance of data management
and of Big Data in daily life. On this basis, we will analyze which are
the key competencies everyone needs concerning data management to
be able to handle data in a proper way in daily life. Afterwards, we will
discuss the impact of these changes in data management on computer
science education and in particular database education.
KW  - Data Management
KW  - Key Competencies
KW  - Big Data
KW  - NoSQL
KW  - Databases
KW  - Data Privacy
KW  - Data Analysis
KW  - Challenges
Y1  - 2015
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus4-82648
SN  - 1868-0844
SN  - 2191-1940
IS  - 7
SP  - 133
EP  - 150
PB  - Universitätsverlag Potsdam
CY  - Potsdam
ER  - 
TY  - THES
A1  - Romano Blasco, M. Carmen
T1  - Synchronization analysis by means of recurrences in phase space
N2  - Die tägliche Erfahrung zeigt uns, daß bei vielen physikalischen Systemen kleine Änderungen in den Anfangsbedingungen auch zu kleinen Änderungen im Verhalten des Systems führen. Wenn man z.B. das Steuerrad beim Auto fahren nur ein wenig zur Seite dreht, unterscheidet sich die Richtung des Wagens auch nur wenig von der ursprünglichen Richtung. Aber es gibt auch Situationen, für die das Gegenteil dieser Regel zutrifft. Die Folge von Kopf und Zahl, die wir erhalten, wenn wir eine Münze werfen, zeigt ein irreguläres oder chaotisches Zeitverhalten, da winzig kleine Änderungen in den Anfangsbedingungen, die z.B. durch leichte Drehung der Hand hervorgebracht werden, zu vollkommen verschiedenen Resultaten führen. In den letzten Jahren hat man sehr viele nichtlineare Systeme mit schnellen Rechnern untersucht und festgestellt, daß eine sensitive Abhängigkeit von den Anfangsbedingungen, die zu einem chaotischen Verhalten führt, keinesfalls die Ausnahme darstellt, sondern eine typische Eigenschaft vieler Systeme ist. Obwohl chaotische Systeme kleinen Änderungen in den Anfangsbedingungen gegenüber sehr empfindlich reagieren, können sie synchronisieren wenn sie durch eine gemeinsame äußere Kraft getrieben werden, oder wenn sie miteinander gekoppelt sind. Das heißt, sie vergessen ihre Anfangsbedingungen und passen ihre Rhythmen aneinander. Diese Eigenschaft chaotischer Systeme hat viele Anwendungen, wie z.B. das Design von Kommunikationsgeräte und die verschlüsselte Übertragung von Mitteilungen. Abgesehen davon, findet man Synchronisation in natürlichen Systemen, wie z.B. das Herz-Atmungssystem, raumverteilte ökologische Systeme, die Magnetoenzephalographische Aktivität von Parkinson Patienten, etc. In solchen komplexen Systemen ist es nicht trivial Synchronisation zu detektieren und zu quantifizieren. Daher ist es notwendig, besondere mathematische Methoden zu entwickeln, die diese Aufgabe erledigen. Das ist das Ziel dieser Arbeit. Basierend auf dergrundlegenden Idee von Rekurrenzen (Wiederkehr) von Trajektorien dynamischer Systeme, sind verschiedene Maße entwickelt worden, die Synchronisation in chaotischen und komplexen Systemen detektieren. Das Wiederkehr von Trajektorien erlaubt uns Vorhersagen über den zukünftigen Zustand eines Systems zu treffen. Wenn man diese Eigenschaft der Wiederkehr von zwei interagierenden Systemen vergleicht, kann man Schlüsse über ihre dynamische Anpassung oder Synchronisation ziehen. Ein wichtiger Vorteil der Rekurrenzmaße für Synchronisation ist die Robustheit gegen Rauschen und Instationariät. Das erlaubt eine Synchronisationsanalyse in Systemen durchzuführen, die bisher nicht darauf untersucht werden konnten.
N2  - This work deals with the connection between two basic phenomena in Nonlinear Dynamics: synchronization of chaotic systems and recurrences in phase space. Synchronization takes place when two or more systems adapt (synchronize) some characteristic of their respective motions, due to an interaction between the systems or to a common external forcing. The appearence of synchronized dynamics in chaotic systems is rather universal but not trivial. In some sense, the possibility that two chaotic systems synchronize is counterintuitive: chaotic systems are characterized by the sensitivity ti different initial conditions. Hence, two identical chaotic systems starting at two slightly different initial conditions evolve in a different manner, and after a certain time, they become uncorrelated. Therefore, at a first glance, it does not seem to be plausible that two chaotic systems are able to synchronize. But as we will see later, synchronization of chaotic systems has been demonstrated. On one hand it is important to investigate the conditions under which synchronization of chaotic systems occurs, and on the other hand, to develop tests for the detection of synchronization. In this work, I have concentrated on the second task for the cases of phase synchronization (PS) and generalized synchronization (GS). Several measures have been proposed so far for the detection of PS and GS. However, difficulties arise with the detection of synchronization in systems subjected to rather large amounts of noise and/or instationarities, which are common when analyzing experimental data. The new measures proposed in the course of this thesis are rather robust with respect to these effects. They hence allow to be applied to data, which have evaded synchronization analysis so far. The proposed tests for synchronization in this work are based on the fundamental property of recurrences in phase space.
T2  - Synchronization analysis by means of recurrences in phase space
KW  - Synchronisation
KW  - Wiederkehrdiagramme
KW  - Chaos
KW  - Zeitreihenanalyse
KW  - Synchronization
KW  - Recurrence Plots
KW  - Chaos
KW  - Data Analysis
Y1  - 2004
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-0001756
ER  -