Einführung Big Data

Big Data LV @ FH Joanneum Graz

Dieses Werk ist lizenziert unter einer Creative Commons Namensnennung-Weitergabe unter gleichen Bedingungen 4.0 International Lizenz.

Stefan Kasberger@stefankasberger

Grafik Alicelead3 by Pcharito (CC by-sa 3.0)

Stefan Kasberger

- 33, Vöcklamarkt

- USW Geographie

- Computation Social Science

- Sprecher Open Knowledge

Österreich

@stefankasberger

stefankasberger.at

Peter Grassberger

- 27, Wien

- Softwareentwicklung-

Wirtschaft

- Medientechnik und -Design

- netzpolitisch aktiv

@PeterTheOne

petergrassberger.atPhoto Stefan Kasberger by Stefan Kasberger (CC by 4.0)

Photo Peter Grassberger by Peter Grassberger (CC by-nc-sa 4.0)

Lern-Ziele

1. Was ist ein Algorithmus.

2. Welche Rolle spielen dabei Daten.

3. Daten-Visualisierung in JavaScript.

Formalia

- Doku @ GitHub → bit.ly/2nku8Gl

- kollaborativ und respektvoll

- Fragen jederzeit stellen

#Fragen?→

Daten sammeln

bit.ly/2mPMkLi

Was bedeutet Big Data?

Definition

Daten die

1. zu groß

2. zu komplex

3. zu schnelllebig

4. zu unstrukturiert

für herkömmliche Analysen sind.

– Wikipedia

Was ist ein Algorithmus?

Operation =

Handlungsvorschrift

Definition

Ein Algorithmus ist eine eindeutige

Handlungsvorschrift.

Input Output

Rezept

Definition

Ein Algorithmus ist eine eindeutige

Handlungsvorschrift.

Zutaten Kuchen

- Rührzeit- Wann wird was vermengt

- Zeit im Ofen

Definition

Ein Algorithmus ist eine eindeutige

Handlungsvorschrift.

100g Mehl½ Liter Milch

2 Eier Kuchen

Nicht-lernender Algorithmus

Rührzeit X

Ge

sch

mac

k Y

Rührzeit und Zusammenhang Geschmack-Rührzeit vorgegeben, Geschmack unbekannt.

Lernender Algorithmus

Geschmackspunkte

97

46

83

Rührdauer?

Icon Muffin by Freeimages9 (Public Domain)

Lernender Algorithmus

Rührzeit X

Ge

sch

mac

ks Y

Rührzeit und Geschmack bekannt, Zusammenhang unbekannt.

Lernender Algorithmus

Rührzeit X

Ge

sch

mac

ks Y

Y = b + Xc + X² d

1. Zutaten Daten→

- Daten sind nie die Wirklichkeit

- Kontext zentral

- nicht alles kann vermessen werden

- Auswahl und Qualität wichtig

- Bias (Verzerrung)

- oft Personenbezug

- Grundlage für lernende Algorithmen

1. Zutaten Daten→

Aldrin Apollo 11 by NASA (Public Domain)Database by Rocket000 (CC by-sa 3.0)

JSON-File by Stefan Kasberger (CC by 4.0)Big Buck Bunny Movie by Peach Open Moview Project (CC by 3.0)

2. Rezept Algorithmus→

- Gewichtung und Selektion hier werden →

die Entscheidungen getroffen!

- nicht-lernende und lernende Algorithmen

Grafik MATLAB surf sinc3D by DmitTrix (Publid Domain)

3. Kuchen Ergebnis→

- Interpretation

- Ergebnis = Wahrheit?

- Informationsverlust

Individualisierung

„→ Wahlen“

Screenshot Google Web Search by Usuario:EEIM (Public Domain)

Probleme

- Kombination von vielen Daten

- Datensucht der Unternehmen VS informelle

Selbstbestimmung der NutzerInnen

- Mythos von Objektivität

- normative Wirkung

- keine Transparenz

Algorithmen ansehen und

anwenden

Beispiele

Facebook

Photo Elevate 2017 Day 5 Discourse by Elevate Festival (CC by-nc-nd 2.0)

Amazon

Photo Amazon Espana por dentro by Alvaro Ibanez (CC by 2.0)

Klimamodelle

Grafik Iceage North Interglacial by Hannes Grobe / AWI (CC by 3.0)

Autonomes Auto

Graifk Auto Sensor by Frank Derks (CC by 2.0)

Versicherungen

- Gesundheitswesen

- Auto

- Haushalt

- Finanzen

Finanzwesen

Photo Houston Office Oil Traders on Monday by Own Oil Industry News (Public Domain)

Sportwetten

Photo Sports Betting by Marit & Toomas Hinnosaar (CC by 2.0)

Pre-Crime

Photo Segways PTs der Hessischen Polizei bei einer Großveranstaltung 2010 in Bremen by Jocian (CC by-sa 3.0)Karte Wahlergebnis KPÖ Grazer Gemeinderatswahl 2012 by Stefan Kasberger (CC by 4.0)

Gefängnisse

Photo End of the World Prison by Luis Argerich (CC by 2.0)

Dronenkrieg

Photo Predator Drone by U.S. Air Force, Lt. Col. Leslie Pratt (Public Domain)

Gesellschaft und Technologie

Mensch Maschine↔

Grafik by geralt (Public Domain)

Mensch Maschine↔

Photo Interview by HSGTalents (CC by-sa 3.0)

- Mensch muss entscheiden, Algorithmus

kann helfen

- Technologie ist immer politisch

- Vergleichen & Hinterfragen von

Abweichungen

- Transparenz und Offene Daten zentral

Conclusio

Artikel Cambridge Analytica

Pause

Coden

Danke!

Doku @ GitHub → bit.ly/2nku8Gl

Kontakt:

- stefankasberger.at, @stefankasberger

- petergrassberger.at, @PeterTheOne

Kontaktstefankasberger.at@[email protected]

UrheberInnenrecht: Dieses Werk ist, sofern nicht explizit anders angegeben, lizenziert unter einer Creative Commons Namensnennung-Weitergabe unter gleichen Bedingungen 4.0 International Lizenz.Urheber: Stefan Kasberger (2017).

Markenrecht:Alle in dieser Präsentation genannten Marken und Produktnamen sind eingetragene Marken-/Warenzeichen der jeweiligen Hersteller beziehungsweise Unternehmen.