AAL in der Praxis - Software Architekturen und Algorithmen
AAL in Practice - Software Architectures and Algorithms

Die Veranstaltung behandelt Software Architekturen und Algorithmen für Systeme des Ambient Assisted Living. Dabei stehen praxisrelevante Themen im Vordergrund. Die motivierende Einführung gibt Beispiele zur Unterstützung täglicher Abläufe, Erkennung von Gefahrensituationen, Entlastung von informell Pflegenden. Beispiele von relevanten Systemen/Projekten sind KoopAS, I-CARE, OurPuppet, DTHS Intelligenter Hausnotruf, DTHS ServiceWohnen. Dann werden Software Architekturen vorgestellt, welche insbesondere die Akquisition von Sensordaten, Interaktion mit den Nutzern, Verwaltung von Kontextinformationen, Anwendungsschnittstellen behandeln, sowie Beispielsarchitekturen (z. B. Amigo, universAAL, openAAL). Dem schließt sich der praktische Einsatz von semantischen Technologien an, und umfaßt Modellierung und Inferenz, Kontext- und Dienstbeschreibung, Abfragesprachen. Zur Datenauswertung in der Praxis werden Clustering, Klassifikation mit Naive-Bayes, FFNN und SVM, Zustandserkennung mit HMM, sowie Lernen probabilisticher Abhängigkeiten mit Bayes‘schen Netzen besprochen.

Die Studierenden lernen in dieser Veranstaltung die grundlegenden Software Architekturen und Algorithmen von Systemen des Ambient Assisted Living kennen. Durch konkrete Bezüge auf Beispiele aus der Praxis werden sie in die Lage versetzt, selber Beiträge zur eigenständigen Entwicklung von Komponenten für neue Anwendungsszenarien zu leisten.

1. Literatur: Antoniou, G. and van Harmelen, F. A Semantic Web Primer (Cooperative Information Systems). MIT Press : Cambridge, MA. 2nd edition. ISBN-13: 978-0-262-01242-3, 2009.
2. Dean Allemang and James A. Hendler. Semantic Web for the Working Ontologist: Effective Modeling in RDFS and OWL. Morgan Kaufmann : Amsterdam. ISBN-13: 978-0-12-373556-0, 2008.
3. John Hebeler, Matthew Fisher, Ryan Blace, and Andrew Perez-Lopez. Semantic Web Programming. Wiley : Indianapolis, IN. ISBN-13: 978-0470418017, 2009.
4. Ian H. Witten, Eibe Frank & Mark A. Hall. Data Mining - Practical Machine Learning Tools and Techniques, 3rd edition. ISBN-13: 978-0-12-374856-0, 2011. 

Wünschenswert wären Erfahrungen in Objektorientierter Programmierung. Vorteilhaft wären Vorkenntnisse in Logiksprachen und Wahrscheinlichkeitstheorie.

The lecture course deals with software architectures and algorithms for Ambient Assisted Living systems. The focus is on practical issues. The motivating introduction gives examples for the support of workaday life, identification of dangerous situations, relief of informal carers. Examples of relevant systems / projects are KoopAS, I-CARE, OurPuppet, DTHS Intelligent House Call, DTHS ServiceWohnen. Software architectures are presented, which deal in particular with the acquisition of sensor data, interaction with users, administration of context information, application interfaces, as well as example architectures (e.g. Amigo, universAAL, openAAL). This is followed by the practical use of semantic technologies and includes modeling and inference, context and service description, query languages. For data analysis in practice, clustering, classification with Naive Bayes, FFNN and SVM, state detection with HMM, as well as learning probabilistic dependencies with Bayesian networks are treated.

In this course, the students will learn about the basic software architectures and algorithms of Ambient Assisted Living systems. Through concrete references to practical examples, they are enabled to contribute to the independent development of components for new application scenarios.

1. Literatur: Antoniou, G. and van Harmelen, F. A Semantic Web Primer (Cooperative Information Systems). MIT Press : Cambridge, MA. 2nd edition. ISBN-13: 978-0-262-01242-3, 2009.
2. Dean Allemang and James A. Hendler. Semantic Web for the Working Ontologist: Effective Modeling in RDFS and OWL. Morgan Kaufmann : Amsterdam. ISBN-13: 978-0-12-373556-0, 2008.
3. John Hebeler, Matthew Fisher, Ryan Blace, and Andrew Perez-Lopez. Semantic Web Programming. Wiley : Indianapolis, IN. ISBN-13: 978-0470418017, 2009.
4. Ian H. Witten, Eibe Frank & Mark A. Hall. Data Mining - Practical Machine Learning Tools and Techniques, 3rd edition. ISBN-13: 978-0-12-374856-0, 2011.