|
Lehrinhalt
/ Syllabus
Theorie:
Anwendungsorientierte Grundlagen des Machine Learning und verknüpfter Bereiche
der Statistik (deskriptiv, explorativ, induktiv), Advanced Analytics, Data
Mining, Data Science und Big Data; Grundlagen von Machine Learning Verfahren,
Funktionsweisen und Algorithmen; Entwicklungsprozesse; Grundlegende Data
Science Prinzipien und Techniken: Erörterung von betriebswirtschaftlichen
Szenarien; Sammlung, Sichtung und Qualitätsbewertung von Daten; Datenvorbereitung,
Feature Engineering; Anwendung von Verfahren und Entwicklungsumgebungen
anhand Beispiele in Matlab und Python; Aufzeigen und Bewerten von
Lösungsmöglichkeiten; Modellauswahl, Optimierung, Performanzbewertung; wesentliche
Ideen zur Modellintegration in Entscheidungsprozesse, Handlungsempfehlungen, System
of Systems; Beispiele aus der
aktuellen Forschung, bspw. Predictive Maintenance in der Luftfahrt und in der
Produktion;
Praktische Gruppenarbeit: Anwendung von Grundzügen einer Softwareentwicklungsmethodik
(bspw. Scrum); Umsetzung der Theoriekenntnisse in einer kooperativen
Entwicklungsaufgabe; praxisnahe Lösungsentwicklung einer Herausforderung der
Industrie durch Programmierung und Datenauswertung (Implementierung);
Dokumentation und Präsentation der Ergebnisse.
|
Theory: Application-oriented
basics of machine learning and related areas statistics (descriptive,
explorative, inductive), advanced analytics, data mining, data science and big
data; basics of machine learning methods, functions and algorithms; development
processes; basics of data science principles and techniques: discussion of
business scenarios; collection, review and quality evaluation of data; data preparation,
feature engineering; application of methods and use of program systems on the
basis of examples; identification and evaluation of possible solutions; model
selection, optimization, performance-assessment; essential ideas of model integration in
decision-making processes, recommendations for actions, system of systems;
examples from current research, e.g. predictive maintenance in aviation and
production;
Practical group work: Application of basic features of a software development
methodology (e.g. scrum); application of theoretical knowledge on a cooperative
development task; practical solution development of an industrial challenge
through programming and data evaluation (implementation); documentation and presentation
of the results.
|
