HIDA Sommeraustausch

Bewerben Sie sich jetzt für das Sommeraustauschprogramm DSRC@BGU - HIDA

Möchten Sie gemeinsam mit Datenwissenschaftlern in Israel lernen, an spannenden Projekten arbeiten und publizieren? Dann bewerben Sie sich jetzt für das Austauschprogramm der Helmholtz Information & Data Science Academy (HIDA) mit dem Data Science Research Center an der Ben-Gurion Universität des Negev (DSRC@BGU) in Be'er Sheva Israel.

Über das Austauschprogramm

  • Sie verbringen Ihren Austausch in einem Gastlabor an der Ben-Gurion-Universität in Be'er Sheva Israel. Je nach Reisebeschränkungen können Sie die Zusammenarbeit auch aus dem (Home-) Office in Deutschland beginnen und Ihr Projekt vor Ort in Be'er Sheva abschließen.

  • Sie bewerben sich für ein vordefiniertes sechswöchiges Projekt Ihrer Wahl (siehe Liste unten) und arbeiten an diesem zusammen mit Datenwissenschaftlern der BGU.

  • HIDA übernimmt Ihre Unterbringungs- und Reisekosten (bis zu 2000 Euro pro Monat), wenn Sie für ein Helmholtz-Zentrum arbeiten.

Die Logistik

  • Bewerben Sie sich jetzt bis zum 19. Juni 2020.

  • Frühester Starttermin für den (physischen) Austausch ist der 1. Juli; spätestes Enddatum ist der 31.12.2020, vorbehaltlich Reisebeschränkungen. Sie und Ihr Gastgeber entscheiden, an welchem Teil des Projekts Sie aus der Ferne arbeiten können und wann Sie an der BGU mitarbeiten werden. Bitte beachten Sie bei Ihrer Planung aktuelle Reise- und Sicherheitshinweise.

  • Sie organisieren Ihre Reise und Unterkunft in Be'er Sheva als Dienstreise. HIDA erstattet Ihrem Helmholtz-Zentrum die Kosten.

Sie können sich für folgende Projekte für den Sommeraustausch 2020 bewerben

Photo: ZU photography / Unsplash

Projekt 1: Genauigkeit von Angriffshypothesen in Telemetriedaten

Gastgeber

Rami Puzis

Abteilung

Software- und Informationssystemtechnik

Link zu Grupe/Labor

https://faramirp.wixsite.com/puzis

Kurze Zusammenfassung der Forschungsgruppe

Im Labor für die Analyse komplexer Netzwerke an der Ben-Gurion-Universität (CNALAB@BGU) behandeln wir Forschungsprobleme in verschiedenen Bereichen mit einer Kombination von Methoden aus der Graphentheorie und dem maschinellen Lernen. Komplexe Netzwerke finden sich in den Bereichen Cybersicherheit, soziale Netzwerke, Kommunikationsnetzwerke und Internet, biologische Netzwerke, finanzielle Netzwerke, Textanalyse und mehr. Wissenschaftliche Programmierer, die im CNA Lab @ BGU arbeiten, entwickeln generische Software-Tools und Bibliotheken zur Analyse der Struktur von Netzwerken, die aus den verschiedenen Problembereichen abgeleitet sind. Graduierte Forschungsstudenten wenden diese Werkzeuge an, um spezifische Probleme in ihrem Interessengebiet zu untersuchen.

Was ist die Forschungsfrage des datenwissenschaftlichen Projekts?

Wie wirkt sich die Genauigkeit der Erkennung von Artefakten auf die Genauigkeit von Angriffshypothesen aus, die aus Telemetriedaten generiert werden?

An welchen Daten wird gearbeitet?

Eine Wissensbasis, die aus zusammengeführten Quellen zur Bedrohungsaufklärung besteht

Welche Aufgaben wird dieses Projekt beinhalten?

Die Implementierung mehrerer Methoden zur Generierung von Angriffshypothesen. Implementierung einer Evaluierungs-Pipeline. Experimentieren mit verschiedenen FPR FNR auf der Ebene der Artefakterkennung. Analyse der Genauigkeit von Hypothesen auf der Ebene der MITRE ATT&CK-Techniken.

Was macht die Arbeit an diesem Projekt interessant?

Ein wenig erforschter Bereich der Gefahrenanalyse. Einzigartige Daten. Vielfalt der auf das Problem anwendbaren Methoden (Graphentheorie, Information Retrieval, maschinelles Lernen, ...). Raum für eigene Ideen.

Was ist das erwartete Ergebnis?

Beitrag zur Publikation

Sind die Daten quelloffen?

Nein

Welche Infrastruktur, Programme und Werkzeuge werden verwendet?

Bibliotheken für Python, neo4j, Graphen und maschinelles Lernen

Welche Fähigkeiten sind für dieses Projekt erforderlich?

Wissenschaftliches Rechnen, Data Mining / Maschinelles Lernen, Grundlegende Graphentheorie

Welches Maß an Erfahrung ist für dieses Projekt erforderlich?

Master-Level

Wie viele Personen können für dieses Projekt aufgenommen werden?

2

Würde der Teilnehmer als Teil eines Teams oder einzeln arbeiten?

Im Team

Photo: Roman Kraft / Unsplash

Projekt 2: Aufspüren von Fake News

Gastgeber

Rami Puzis

Abteilung

Software- und Informationssystemtechnik

Link zu Gruppe/Labor

https://faramirp.wixsite.com/puzis

Kurze Zusammenfassung der Forschungsgruppe

Im Labor für die Analyse komplexer Netzwerke an der Ben-Gurion-Universität (CNALAB@BGU) behandeln wir Forschungsprobleme in verschiedenen Bereichen mit einer Kombination von Methoden aus der Graphentheorie und dem maschinellen Lernen. Komplexe Netzwerke finden sich in den Bereichen Cybersicherheit, soziale Netzwerke, Kommunikationsnetzwerke und Internet, biologische Netzwerke, finanzielle Netzwerke, Textanalyse und mehr. Wissenschaftliche Programmierer, die im CNA Lab @ BGU arbeiten, entwickeln generische Software-Tools und Bibliotheken zur Analyse der Struktur von Netzwerken, die aus den verschiedenen Problembereichen abgeleitet sind. Graduierte Forschungsstudenten wenden diese Werkzeuge an, um spezifische Probleme in ihrem Interessengebiet zu untersuchen.

Was ist die Forschungsfrage des datenwissenschaftlichen Projekts?

Aufspüren von Fake News

An welchen Daten wird gearbeitet?

Ein umfangreicher Datensatz mit Millionen von Tweets, die sich auf gefälschte und echte 70K-Nachrichten beziehen.

Welche Aufgaben wird dieses Projekt umfassen?

Entwicklung von Klassifikatoren für maschinelles Lernen, um auf der Grundlage des öffentlichen Feedbacks auf Twitter falsche und echte Nachrichten zu unterscheiden. Die Forschung kann auch die Klassifizierung von Accounts umfassen. Die Forschung kann die Generierung eines kleinen Datensatzes zur Haltung gegenüber einer Nachricht beinhalten, der für die Analyse von gefälschten Nachrichten mittels Positionserkennung verwendet werden soll.

Was macht die Arbeit an diesem Projekt interessant?

Große reale Datensätze. Eine Vielzahl von Techniken, die zur Lösung des Problems eingesetzt werden können. Möglichkeit, den Forschungsansatz zu beeinflussen.

Was ist das erwartete Ergebnis?

Beitrag zur Publikation, Beitrag zur Software-Entwicklung

Sind die Daten quelloffen?

Noch nicht

Welche Infrastruktur, Programme und Werkzeuge werden verwendet?

Server, Python, wissenschaftliche Bibliotheken. Möglicherweise HPC.

Welche Fähigkeiten sind für dieses Projekt erforderlich?

Datenanalyse / Statistik, Wissenschaftliches Rechnen, Data Mining / Maschinelles Lernen

Welches Maß an Erfahrung ist für dieses Projekt erforderlich?

Master-Level

Wie viele Personen können für dieses Projekt aufgenommen werden?

2

Würde der Teilnehmer als Teil eines Teams oder einzeln arbeiten?

Im Team

Photo: Rodion Kutsaev / Unsplash

Projekt 3: Verhinderung von Angriffen auf Smartphone-Sensoren

Gastgeber

Yossi Oren

Abteilung

Software- und Informationssystemtechnik

Link zu Gruppe/Labor

https://orenlab.sise.bgu.ac.il

Zusammenfassung der Forschung der Gruppe

Wir freuen uns, Sie im Oren-Labor begrüßen zu dürfen, wo wir an der Ben-Gurion-Universität, Israel, Implementierungssicherheit und Seitenkanalangriffe untersuchen. Dieses spezielle Projekt bezieht sich auf Angriffe und Abwehr von Smartphone-Sensoren.

Was ist die Forschungsfrage des datenwissenschaftlichen Projekts?

Können wir maschinelles Lernen nutzen, um Abwehrmaßnahmen auf Betriebssystemebene gegen Angriffe auf Smartphone-Sensoren zu implementieren?

An welchen Daten wird gearbeitet werden?

Zeitgestempelte Ereignisse von Sensoren während mehrfacher Benutzeraktivitäten, die zuvor durch eine IRB-kontrollierte Benutzerstudie gesammelt wurden.

Welche Aufgaben wird dieses Projekt umfassen?

Trainieren eines Modells für eine Zeitreihe, Finden guter Vorverarbeitungsmethoden, Testen des Modells an mehreren Datensätzen, Evaluierung der Echtzeitleistung, Beteiligung am technischen Schreibaufwand.

Was macht die Arbeit an diesem Projekt interessant?

Wenn dieses Projekt erfolgreich ist, kann es zu einer einzigartigen Verteidigung gegen Sensorangriffe führen, die in Echtzeit auf mobilen Geräten integriert wird.

Was ist das erwartete Ergebnis?

Beitrag zur Publikation, Beitrag zur Software-Entwicklung

Sind die Daten quelloffen?

Ja

Welche Infrastruktur, Programme und Werkzeuge werden verwendet?

Tensor flow lite, Python, Matlab

Welche Fähigkeiten sind für dieses Projekt erforderlich?

Datenanalyse / Statistik, Data Mining / Maschinelles Lernen, Tiefes Lernen, Wissenschaftliches Schreiben

Welches Maß an Erfahrung ist für dieses Projekt erforderlich?

PhD-Niveau

Wie viele Personen können für dieses Projekt aufgenommen werden?

1

Würde der Teilnehmer als Teil eines Teams oder einzeln arbeiten?

Im Team

Über das Data Science Research Center an der Ben-Gurion-Universität

Das Data Science Research Center (DSRC@BGU) wurde 2018 als zentrales Zentrum für Bildung und Forschung an der Ben-Gurion-Universität des Negev gegründet. DSRC@BGU bietet mit seinen über 70 Mitgliedern geballte Expertise in allen Aspekten der Datenwissenschaft, in Anwendung und Forschung sowie in der Lehre. Die Mitglieder des Zentrums forschen und lehren an vielen Instituten der BGU in den Domänen und Datenwissenschaften. Am Zentrum arbeiten sie an theoretischen und praktischen Problemen des Data Mining, des maschinellen Lernens und großer Datenmengen sowie an der Anwendung datenwissenschaftlicher Methoden und Werkzeuge in so unterschiedlichen Bereichen wie natürliche Sprachverarbeitung, künstliche Intelligenz, Bioinformatik, computergestützte Biologie, Computer Vision, medizinische Diagnostik, Präzisionslandwirtschaft, Robotik und vielen anderen.

Über die Helmholtz Information & Data Science Academy

HIDA - Die Helmholtz Information & Data Science Academy - ist Deutschlands größtes Postgraduierten-Ausbildungsnetzwerk in den Informations- und Datenwissenschaften. Wir bereiten den wissenschaftlichen Nachwuchs auf eine datengetriebene Zukunft der Forschung vor. HIDA verbindet und dient als Dach für 6 neu gegründete datenwissenschaftliche Research Schools, die durch ein Netzwerk von 14 nationalen Forschungszentren und 17 Universitäten in ganz Deutschland miteinander verbunden sind. Während der kommenden fünf Jahre werden diese datenwissenschaftlichen Research Schools über 250 voll finanzierte Doktoranden ausbilden. Die Doktorandinnen und Doktoranden werden ihre Kenntnisse in datenwissenschaftlichen Methoden vertiefen und lernen, das Wissen aus den sechs Helmholtz-Forschungsbereichen - Energie, Erde und Umwelt, Gesundheit, Luftfahrt, Raumfahrt und Verkehr, Materie und Information - mit datenwissenschaftlichen Methoden zu kombinieren. Zu diesem Zweck erhalten alle Doktorandinnen und Doktoranden eine Doppelbetreuung in der Datenwissenschaft und in ihrer Domäne. Darüber hinaus bietet HIDA promovierten Forschern und Wissenschaftlern attraktive Möglichkeiten, sich in einer Vielzahl von Methoden aus- und weiterzubilden und Teil eines internationalen datenwissenschaftlichen Netzwerks zu werden.

Haben Sie Fragen zum Bewerbungsverfahren oder zum Programm?

Bitte wenden Sie sich an: hida@helmholtz.de

Wir freuen uns auf Ihre Kontaktaufnahme!

download