Big Data Analytics für die effiziente Aktivitätserkennung und -vorhersage in Assistenzsystemen Marten, Dennis , 1988- (VerfasserIn) Heuer, Andreas , 1958- (AkademischeR BetreuerIn) Kirste, Thomas , 1962- (AkademischeR BetreuerIn) Lehner, Wolfgang , 1969- (AkademischeR BetreuerIn) Universität Rostock (Grad-verleihende Institution) Universität Rostock Fakultät für Informatik und Elektrotechnik (Grad-verleihende Institution) Text theses Text Hochschulschrift 2021 14.06.2021 ger electronic resourceremoteComputermedienOnline-Ressource1 Online-Ressource (358 Seiten) Illustrationen, Diagramme In dieser Arbeit wird untersucht, inwiefern parallele relationale Datenbanksysteme für Methoden der Aktivitätserkennung und -vorhersage in Assistenzsystemen gewinnbringend eingesetzt werden können. Der Fokus liegt hierbei auf der effizienten und skalierbaren Umsetzung und Komposition von Basisoperatoren der linearen Algebra. Dies ermöglicht neben der Umsetzung zugehöriger Machine-Learning-Verfahren die Einbeziehung zahlreicher weiterer Methoden des wissenschaftlichen Rechnens. Für die potenzielle Umsetzung solcher werden daher zahlreiche Aspekte diskutiert und experimentell ausgewertet.<ger> vorgelegt von Dennis Marten GutachterInnen: Andreas Heuer (Universität Rostock) ; Thomas Kirste (Universität Rostock) ; Wolfgang Lehner (TU Dresden) Dissertation Universität Rostock 2022 004 005.75 004 54.64 http://purl.uni-rostock.de/rosdok/id00004113 https://doi.org/10.18453/rosdok_id00004113 https://nbn-resolving.org/urn:nbn:de:gbv:28-rosdok_id00004113-7 https://d-nb.info/1293539848/34 Big Data Analytics für die effiziente Aktivitätserkennung und -vorhersage in Assistenzsystemen--(DE-627)1831625423 urn:nbn:de:gbv:28-rosdok_id00004113-7 doi: 10.18453/rosdok_id00004113 oclc: 1357550975 ppn: (DE-627)1830757601