Einführung in den Themenkomplex zu Daten und Algorithmen in der Lehrveranstaltung Big Data an der Fachhochschule Joanneum in Graz am 11. März 2017.

1. 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)

2. 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.at
Photo Stefan Kasberger by Stefan Kasberger (CC by 4.0)
Photo Peter Grassberger by Peter Grassberger (CC by-nc-sa 4.0)

3. Lern-Ziele
1. Was ist ein Algorithmus.
2. Welche Rolle spielen dabei Daten.
3. Daten-Visualisierung in JavaScript.

4. Formalia
- Doku @ GitHub → bit.ly/2nku8Gl
- kollaborativ und respektvoll
- Fragen jederzeit stellen
#Fragen?→

5. Daten sammeln
bit.ly/2mPMkLi

6. Was bedeutet
Big Data?

7. Definition
Daten die
1. zu groß
2. zu komplex
3. zu schnelllebig
4. zu unstrukturiert
für herkömmliche Analysen sind.
– Wikipedia

8. Was ist ein
Algorithmus?

9. Operation
=
Handlungsvorschrift
Definition
Ein Algorithmus ist eine eindeutige
Handlungsvorschrift.
Input Output

10. Rezept
Definition
Ein Algorithmus ist eine eindeutige
Handlungsvorschrift.
Zutaten Kuchen

11. - Rührzeit
- Wann wird was vermengt
- Zeit im Ofen
Definition
Ein Algorithmus ist eine eindeutige
Handlungsvorschrift.
100g Mehl
½ Liter Milch
2 Eier Kuchen

12. Nicht-lernender Algorithmus
Rührzeit X
GeschmackY
Rührzeit und Zusammenhang Geschmack-Rührzeit vorgegeben,
Geschmack unbekannt.

13. Lernender Algorithmus
Geschmackspunkte
97
46
83
Rührdauer?
Icon Muffin by Freeimages9 (Public Domain)

14. Lernender Algorithmus
Rührzeit X
GeschmacksY
Rührzeit und Geschmack bekannt,
Zusammenhang unbekannt.

15. Lernender Algorithmus
Rührzeit X
GeschmacksY
Y = b + Xc + X² d

16. 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

17. 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)

18. 2. Rezept Algorithmus→
- Gewichtung und Selektion hier werden→
die Entscheidungen getroffen!
- nicht-lernende und lernende Algorithmen
Grafik MATLAB surf sinc3D by DmitTrix (Publid Domain)

19. 3. Kuchen Ergebnis→
- Interpretation
- Ergebnis = Wahrheit?
- Informationsverlust

20. Individualisierung
„→ Wahlen“
Screenshot Google Web Search by Usuario:EEIM (Public Domain)

21. Probleme
- Kombination von vielen Daten
- Datensucht der Unternehmen VS informelle
Selbstbestimmung der NutzerInnen
- Mythos von Objektivität
- normative Wirkung
- keine Transparenz

22. Algorithmen
ansehen und
anwenden

23. Beispiele

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

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

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

27. Autonomes Auto
Graifk Auto Sensor by Frank Derks (CC by 2.0)

28. Versicherungen
- Gesundheitswesen
- Auto
- Haushalt
- Finanzen

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

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

31. 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)

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

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

34. Gesellschaft und
Technologie

35. Mensch Maschine↔
Grafik by geralt (Public Domain)

36. Mensch Maschine↔
Photo Interview by HSGTalents (CC by-sa 3.0)

37. - Mensch muss entscheiden, Algorithmus
kann helfen
- Technologie ist immer politisch
- Vergleichen & Hinterfragen von
Abweichungen
- Transparenz und Offene Daten zentral
Conclusio

38. Artikel Cambridge Analytica

39. Pause

40. Coden

41. Danke!
Doku @ GitHub → bit.ly/2nku8Gl
Kontakt:
- stefankasberger.at, @stefankasberger
- petergrassberger.at, @PeterTheOne

42. Kontakt
stefankasberger.at
@stefankasberger
mail@stefankasberger.at
www.stefankasberger.at
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.