Tracks

Basic

  • Schüler:innen
  • Teams bis zu 3 Personen
  • Bis 1.500 Euro Preisgeld
  • Urkundenausstellung

Student

  • Bachelor & Master Studierende
  • Teams bis zu 3 Personen
  • 1.500 Euro Preisgeld
  • Anrechnung im Seminar

Professional

  • WiMis, Alummi und Sponsoren
  • Teams bis zu 3 Personen
  • Sachpreise
  • Urkundenausstellung

Bremen Big Data Challenge

Das Cognitive Systems Lab (CSL) der Universität Bremen lädt euch herzlich zur diesjährigen Bremen Big Data Challenge ein – einem jährlich stattfindenden Programmierwettbewerb rund um spannende Themen der Datenanalyse. Seit 2016 entwickeln wir die Challenge kontinuierlich weiter, um sie jedes Jahr noch besser zu gestalten.

Die Challenge hat insgesamt drei Tracks,
auf denen ihr euer Können beweisen könnt:

  • Basic Track: Für Schüler*innen von Gymnasien.
  • Student Track: Für Studierende an Hochschulen.
  • Professional Track: Für Promovierende, Alumni,  wissenschaftliche Mitarbeiter*innen, Sponsoren und Supporter.

Das Cognitive Systems Lab (CSL)

Das CSL ist eine Arbeitsgruppe der Universität Bremen, die sich auf menschzentrierte Technologien und Anwendungen auf Basis von Biosignalen spezialisiert hat. Dazu gehören die Erfassung, Erkennung und Interpretation von Sprache sowie Muskel- und Hirnaktivitäten. Weitere Informationen findet ihr auf unserer Website: CSL – Universität Bremen.

Die Organisatoren

Die BBDC wird vom Team des CSL unter der Leitung von Prof. Dr. Tanja Schultz organisiert:
  • Student- und Professional-Track: Jordan Behrendt, Matthew White, Anthony Mendil und Lourenço Rodrigues.
  • Basic-Track: Arthur Belousov.
Wir freuen uns auf eure Teilnahme und sind gespannt auf eure kreativen Lösungen!
Weitere Informationen zur Challenge findet ihr hier: BBDC – Cognitive Systems Lab
logo__CSL_negativ
logo__UniBremen_negativ

Neues

Ablauf

Alle BBDCs

Sponsors & Partners

Student & Professional Track

Basic Track

2025: AI Meets Finance

About the Challenge

Daten

  • Simulierte Daten von Transaktionen zwischen Tausenden von Kunden (11.000) in einem mobilen Banknetzwerk..
  • Die meisten Nutzer verhalten sich gemäß einem statistischen Modell normalen Verhaltens.
  • Doch einige begehen Betrug …

Aufgabe

  • Identifiziere die betrügerischen Konten anhand ihres Transaktionsverhaltens.
  • Für den Studierenden-Track wird ein anfänglicher Satz an Merkmalen bereitgestellt, aber das Finden neuer, aussagekräftigerer Merkmale wird belohnt!
  • Die Betrügerpopulationen im Studierenden- und im Profi-Track unterscheiden sich.tracks are different.

Ergebnis

Student Track

Teilnehmende Teams: 51         Einreichungen: 222

  1. Import teamName — Score: 99.83% — Ayden Janssen, Robyn Sophie Kruse
  2. Data Alchemy — Score: 97.05% — Tobias Fricke
  3.  :^) — Score: 88.95% — Arne Winter
  4. DataForcer — Score: 85.64% — Abhirup Sihna, Pritilata Saha
  5. BitBubenBande — Score: 82.15% — Jann Eike Ackermann, Joshua, Aning, Max Lehmann

Professional Track

Teilnehmende Teams: 23           Einreichungen: 160
 
  1. Spider Bobs — Score: 99.92% — Ali Salehzadeh-Yazdi, Eda Cakir, Johannes Falk
  2. Import teamName — Score: 99.76% — Ayden Janssen, Robyn Sophie Kruse
  3. OldSchool — Score: 99.61% — Yale Hartmann
  4. Kornstante — Score: 92.14% — Fabian Wetjen, Wilhelm Jochim, Marcel Plutat
  5.  IntroToAML — Score: 76.68% — Eike Voß, Tom Splittgerbe
 
 


2024: How are you? Emotions, Jobs and Fair

Die Challenge

Daten

  • Signalerfassung per Smartwatch von echten Biosignaldaten: Beschleunigung, Herz(-raten), und Metainformationen
  • Emotionen und Kontext alle 15 Minuten abgefragt
  • 48+5 Teilnehmer:innen auf 4 verschiedenen Jobmessen aufgezeichnet
  • Kooperation mit AG Prof. Mädche, Karlsruher Institut für Technologie (human-centered systems lab)

Aufgabe

  • Vorhersage von Emotionen und Kontext basierend auf den Biosignalen Student Track: personenspezifische Aufgabe (Vorhersage bei Personen, mit mindestens zwei bekannten Labeln)
  • Professional Track: auch Vorhersage von Personen mit keinem Label

Ergebnis

Edge Track

1st Placeel jorno — ÒJorma Reiners

  • Sores
    • Task: 0.52
    • Time: 0.90 (118.24s)
    •  
  • Final Score: 0.647

2nd PlaceSpider Bobs — Johannes Falk, Eda Cakir, Ali Salehzadeh-Yazdi

  • Sores
    • Task: 0.13
    • Time: 0.86 (171.17s)
  • Final Score: 0.373

Student Track

  1. Geteilter 1. Platz
    • Shallow Learning — Score: 0.585 — Ilkan Kandaz, Bjarne Kahrs
    • Mastschweine — Score: 0.585 — Felix Drees, Tjado Edzards, Leon Frölje
     3. Marshal — Score: 0.575 — Arne Winter
     4. Data Alchemist — Score: 0.569 — Tobias Fricke
     5. liuge — Score: 0.549 — Henry Wang

Professional Track

1. Watson — Score: 0.551 — Sören Sparmann, Lutz Terfloth
2. Geteilter 2. Platz
  • Slightly Shallower Learning — Score: 0.532 — Ilkan Kandaz, Bjarne Kahrs
  • Spider Bobs — Score: 0.532 — Johannes Falk, Eda Cakir, Ali Salehzadeh-Yazdi
4. JAAIants — Score: 0.517 — Tim Cofala, Marcel Plutat, Bernd Poppinga
5. KTLM — Score: 0.513 — Louis Mozart Kamdem, Leonie Nora Siege

2023:
Leinen los! Extrapolation aus 50 Jahren Meeresdatenerfassung.

Die Challenge

Daten

  • Realwelt Messdaten des AWIs aus Wasserproben
  • Ort: Helgoland (Nordsee)
  • Zeitraum: 54 Jahren (01.01.1962 – 31.12.2015). 

Aufgabe

  • Forecasting-Modell entwickeln
    • Student-Track
      • Zeitraum 01.01.2004 – 31.12.2004 und 01.01.2011 – 31.12.2013 prädizieren
      • „SECCI” (SECCHI), „Temperatur“, „Salinität“, „NO2“, „NO3“, und „NOx“
    • Professional-Track
      • zusätzlich: 01.01.2014 – 31.12.2015
      • zusätzlich: „SiO4“, „PO4“, und „NH4„
  • Evaluationsmetrik
  • Root Mean Squared Error (RMSE) auf Z-normalisierten Daten

Ergebnis

Student Track

  1. The Data-Driven Donkey Duo — Score: 0.6085 — Felix Hammer, Leon Lemke, Melih Özkan
  2. Bigtrics — Score: 0.6576 — Pascal Poolke
  3. Die Coaches — Score: 0.6607 — Jannes Knychalla, Nikolai Bahr
  4. Kornstante — Score: 0.6657 — Wilhelm Jochim, Marcel Plutat, Fabian Wetjen
  5. LIB — Score: 0.6707 — Ilkan Kandaz, Bjarne Kahrs, Lukas Czibulinski

Professional Track

  1. The Data-Driven Donkey Trio — Score: 0.6912 — Felix Hammer, Leon Lemke, Melih Özkan
  2. Spider Bobs — Score: 0.7069 — Ilkan Kandaz, Bjarne Kahrs 
  3. Doppelkornstante — Score: 0.7416 — Wilhelm Jochim, Marcel Plutat, Fabian Wetjen
  4. Watson — Score: 0.7447 — Sören Sparmann

2022:
You dropped something! Recover missing Video and MoCap Frames

Die Challenge

Daten

  • Simulated data of 8 GB Video und Motion Capture Daten
  • Fehlende Teilsequenzen
  • 30 Video und MoCap Aufnahmen

Aufgabe

  • Fehlende Sequenzen wiederherstellen
  • Score: Structural Similiarity (SSIM)

Ergebnis

Student Track

  1. Kornstante — Score: 0.8042 — Marcel Plutat, Wilhelm Jochim, Fabian Wetjen
  2. ArToAg — Score: 0.7948 — Arvit Zankl, Tomek Steenbock, Agni Bandyopadhyay
  3. DiePhysiker — Score: 0.7835 — Fabian Stern, Eike Lukas Groen, Alexander Jochim
  4. AlMAAZ — Score: 0.7828 — Maryana Ahrens, Amina Zaghdane
  5. TheWinner — Score: 0.7827 — Kristan Böttjer

2021: Was hör ich da? Audio event detection

Ergebnis

Student Track

1st PlaceLennart Heinbokel
2nd PlaceAndreas Baude, Timo Urban, Jonas Klaff
4th PlaceJannes Adam
4th PlaceAlexander Jochim
5th PlaceHannes Raith

2019: Wohin gehst du? Aktivitätserkennung mit tragbaren Sensoren

Die Challenge

Daten

  • Zeitreihen von Biosignalen von Aktivitäten gemessen am Knie:

    • 19 Sensoren und 22 verschiedene Aktivitäten

Aufgabe

  • Aus den Biosignalen einzelner Aktivitäten die Aktivität erkennen

Ergebnis

Student Track

1st PlaceSoDeepNotLearning — Enno Röhrig, Bernd Poppinga, Jianyu Guan
2nd PlaceInsiderTraining — Marlon Flügge, Tilman Ihrig, Merlin Burri
3rd PlaceTrisol — Mahyar Pedram, Maryam Faghihabdolahi, Mohammad Mohammadzadeh Babr
4th PlaceTuringTested — Nilabhra Roy Chowdhury
5th Place — Artificial Activities — Eike Externest, Sebastian Kühl

2018:
Blowing in the wind. Wie viel Energie wird produziert

2017: Guten Appetit! Wie viele Menschen sind gerade in der Mensa?

2016: Wie gut bist du im nächsten Spiel?