<FONT SIZE="6">1st Smart Data Innovation Conference (SDIC)</FONT>

Oct 12, 2016, 1:00 PM → Oct 13, 2016, 8:00 PM Europe/Berlin

Karlsruher Institut für Technologie - Campus North, Building 449

Within the first conference on Smart Data Innovation the Smart Data Innovation Lab (SDIL) and its Data Innovation Communities will present their work and provide a hands-on experience of the SDIL Platform.

All partners are invited to contribute in three ways:

• Papers for oral presentation (in german or english)
• Poster presentations
• Half day tutorials

Topics related to the Smart Data Innovation Lab include:

• Application & Project results & experiences
• Technology available within SDIL
• Legal, Privacy & Curation Aspects
• Smart Data Ecosystem & Innovation Processes

We particularly invite past, running & upcoming projects to present their work during the morning sessions and as posters during the networking lunch. Tutorials will be held in the afternoon.

Paper & Poster submission of 2-8 pages are invited. Tutorials are planned for half a day starting at 14:00 and also can be accompanied with an optional publication

All papers and posters will be published within the digital and printed conference proceeding that will be distrubuted during and after the conference.

Important Dates:

July 31st : Abstract Submission (incl. authors, submission type and planned page count)

August 5th: Notification and Preliminary Program

September 5th: Submission deadline papers and posters

September 16th: Camera ready papers and posters

Wed, October 12

1:30 PM → 2:00 PM Registrierung

2:00 PM → 5:00 PM DIC-Meeting Energy

Conveners: Prof. Veit Hagenmeier (KIT), Dr Yong Ding (KIT)

2:00 PM → 5:00 PM DIC-Meeting Industry 4.0

KIT provides meeting locations for members of the four Data Innovation Communities (DICs). Please refer to the Community Leaders for any questions regarding the organization of the DIC meetings.

Conveners: Mr Plamen Kiradjiev (IBM), Mr Tilman Becker (DFKI)

2:00 PM → 5:00 PM DIC-Meeting Personalized Medicine

Convener: Prof. Morris Riedel (Forschungszentrum Jülich)

Thu, October 13

8:30 AM → 9:00 AM Registrierung

9:00 AM → 9:10 AM Begrüßung zur ersten Smart Data Innovation Conference

Speakers: Prof. Bernhard Neumair (Direktor - Steinbuch Centre for Computing), Prof. Michael Beigl (SDIL Sprecher - KIT), Dr Till Riedel (SDIL Projektleitung - KIT)

9:10 AM → 10:05 AM Plattform und Werkzeuge

9:10 AM Betrieb des Smart Data Innovation Labs - Vorstellung der Plattform

Speaker: Mr Nico Schlitter (SDIL Operations Manager - KIT)

9:25 AM FusionInsight als Big-Data-Plattform "Eine Fallstudie aus der Telekombranche"

Speaker: Walter Weigel (VP Huawei European Research Institute)

9:45 AM Datenkuratierung mit der Kollaborativen Vokabular-Entwicklungsumgebung VoCol

Speaker: Dr Christian Mader (Research and Competence Area Leader - Fraunhofer IAIS)

10:05 AM → 11:05 AM Big Data Anwendungsfälle

10:05 AM Gesellschaftliche Aspekte der Verwendung von Big DataTechnologien

Speaker: Dr Barbara Kolany-Raiser (Projektkoordinatorin ABIDA - Universität Münster)

10:25 AM Anwendung von Smart Data in der digitalen Forensik

Speaker: Dr Udo Klein (Chief Development Architect, SAP Innovation Center Network)

10:45 AM Big Data smart nutzen – Innovationen im Maschinenbau

Speaker: Mr Klaus Bauer (Leitung Entwicklung Basistechnologie - Trumpf)

11:05 AM → 11:20 AM Kaffeepause

11:20 AM → 12:20 PM Bewährte Vorgehensweisen

11:20 AM Big Data Analytics in der Big Data Allianz

Speaker: Dr Dirk Hecker (Sprecher BigData Allianz - Fraunhofer IAIS)

11:40 AM Erfolgsgeschichte aus dem Smart Data Solution Center (SDSC-BW)

Speaker: Dr Andreas Wierse (CEO - SICOS BW GmbH)

12:00 PM Bewährte Verfahren für SmartData Projekte

Speaker: Dr Scholz Markus (Senior Data Scientist - KIT)

12:20 PM → 1:30 PM Mittagessen und Posterpräsentation

12:20 PM → 1:30 PM SDIL Strategy Board Meeting

1:30 PM → 2:00 PM Führung durch die Serverräume des SCC

Speakers: Jan Erik Sundermann (KIT), Jos van Wezel (KIT), Mehmet Soysal (KIT)

2:00 PM → 3:30 PM TUTORIAL: Einführung in Maschinelles Lernen zur Datenanalyse

Der Kurs vermittelt Grundlagen zur Analyse von Daten und ist an Kursbesucher gerichtet die keine Vorkenntnisse in diesem Bereich haben. Die Inhalte werden prinzipielle Techniken umfassen, um Methoden der Datenanalyse wie Clustering, Klassifikation oder Regression besser einzuordnen. Das beinhaltet auch ein Verständnis von Testdaten, Trainingsdaten und Validierungsdaten. Anhand von einfachen Beispielen werden weiterhin Probleme wie bspw. overfitting angesprochen sowie dessen Lösungsansätze Validierung und Regularisierung. Nach dem Kurs haben Teilnehmer das Verständnis wie man an Datenanalyseprobleme grundsätzlich herangeht. Außerdem wird Teilnehmern ein Überblick gegeben welche Techniken und Methoden auf welchen SDIL Platformen bereitstehen.

Speaker: Prof. Morris Riedel (Forschungszentrum Jülich)

2:00 PM → 3:30 PM TUTORIAL: Praktische Einführung in Predictive Analytics am IBM Watson Foundation Cluster

Das Tutorial liefert einen Überblick über die Watson Foundation von IBM und beinhaltet eine Präsenation zur Einführung in den SPSS Modeler. Die anschließende Übung beinhaltet, Association Modelling, Segmentation Modelling, Classification Modeling und Deployment.

Speaker: Mr Michael Vössing (Karlsruhe Service Research Institute)

2:00 PM → 3:30 PM TUTORIAL: SAP HANA Processing Services

SAP HANA bietet eine Reihe an "processing services" um Daten unterschiedlichster Natur in Echtzeit zu verarbeiten. Neben den analytischen Funktionen auf strukturierten Daten unterstützt SAP HANA: - data mining, um mit leistungsfähigen Algorithmen Muster und Trends zu erkennen und Vorhersagen aus historischen Daten abzuleiten - text, für Volltextsuche, Text Analyse und Text Mining auf natürlich sprachlichen Texten - graph, für das Speichern und Auswerten von netzwerk-artig strukturierten Daten wie zum Beispiel soziale Netze - spatial, für das Analysieren und Darstellen, insbesondere geographischen Daten Das Tutorial gibt eine Einführung in die einzelnen Funktionsbereiche, zeigt aber auch den Mehrwert der SAP in-memory data platform wenn es um die Kombination der genannten Analyse Dimensionen auf heterogenen Daten geht.

Speaker: Mr Markus Fath (SAP)

3:30 PM → 3:50 PM Kaffeepause

3:50 PM → 5:00 PM TUTORIAL: Einführung in Maschinelles Lernen zur Datenanalyse

Der Kurs vermittelt Grundlagen zur Analyse von Daten und ist an Kursbesucher gerichtet die keine Vorkenntnisse in diesem Bereich haben. Die Inhalte werden prinzipielle Techniken umfassen, um Methoden der Datenanalyse wie Clustering, Klassifikation oder Regression besser einzuordnen. Das beinhaltet auch ein Verständnis von Testdaten, Trainingsdaten und Validierungsdaten. Anhand von einfachen Beispielen werden weiterhin Probleme wie bspw. overfitting angesprochen sowie dessen Lösungsansätze Validierung und Regularisierung. Nach dem Kurs haben Teilnehmer das Verständnis wie man an Datenanalyseprobleme grundsätzlich herangeht. Außerdem wird Teilnehmern ein Überblick gegeben welche Techniken und Methoden auf welchen SDIL Platformen bereitstehen.

Speaker: Prof. Morris Riedel (Forschungszentrum Jülich)

3:50 PM → 5:00 PM TUTORIAL: Praktische Einführung in Predictive Analytics am IBM Watson Foundation Cluster

Das Tutorial liefert einen Überblick über die Watson Foundation von IBM und beinhaltet eine Präsenation zur Einführung in den SPSS Modeler. Die anschließende Übung beinhaltet, Association Modelling, Segmentation Modelling, Classification Modeling und Deployment.

Speaker: Mr Michael Vössing (Karlsruhe Service Research Institute)

3:50 PM → 5:00 PM TUTORIAL: SAP HANA Processing Services

SAP HANA bietet eine Reihe an "processing services" um Daten unterschiedlichster Natur in Echtzeit zu verarbeiten. Neben den analytischen Funktionen auf strukturierten Daten unterstützt SAP HANA: - data mining, um mit leistungsfähigen Algorithmen Muster und Trends zu erkennen und Vorhersagen aus historischen Daten abzuleiten - text, für Volltextsuche, Text Analyse und Text Mining auf natürlich sprachlichen Texten - graph, für das Speichern und Auswerten von netzwerk-artig strukturierten Daten wie zum Beispiel soziale Netze - spatial, für das Analysieren und Darstellen, insbesondere geographischen Daten Das Tutorial gibt eine Einführung in die einzelnen Funktionsbereiche, zeigt aber auch den Mehrwert der SAP in-memory data platform wenn es um die Kombination der genannten Analyse Dimensionen auf heterogenen Daten geht.

Speaker: Mr Markus Fath (SAP)