Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage...

• Grundkenntnisse über Industrial Data Science (IDS) anzuwenden
• An IDS-Projekten teilzunehmen und diese auch selbstständig durchzuführen
• Mit numerischen und textuellen Datenquellen für die prädiktive Datenanalyse zu arbeiten
• Grundlegende AI/ML/NLP-Algorithmen anzuwenden
• Eine eigene Domän Ontologie aufzubauen
• Mit Jupyter-Notebooks in einer Cluster-Infrastruktur zu arbeiten

In der Übung lernen Studenten folgende, grundlegende Konzepte aus Industrial Data Science kennen:

• Einführung in Python für IDS
• Datenvorverarbeitung in Python
• Data Preprocessing
• Anwendung eines Data-Mining-Prozessmodells: CRISP-DM
• Einführung in grundlegende Methoden des überwachten und unüberwachten Lernens.
• Einführung in die Computerlinguistik (Natural Language Processing)
• Einführung in wissensbasierte Methoden, einschließlich Fallbasiertes Schließen (Case-based Reasoning) und Ontologie-Modellierung mit Protégé.

Die Voraussetzung für die Übung ist 330.267 Knowledge Management in Cyber Physical Production Systems (KM in CPPS - VO)

• Teamarbeit - Die Übung wird im Format eines Gruppenprojekts (Collaborative Teamwork) strukturiert.
• Die Schüler üben den Unterricht in einer kollaborativen Umgebung, die die Verbesserung ihrer transversalen Fähigkeiten unterstützt, einschließlich der Präsentation von Key-Findings, der Diskussion mit Teammitgliedern und des Lernens durch die Teilnahme an Teamarbeitsaktivitäten.
• Jupyter Notebooks werden in der Übung verwendet und von den Studierenden für die Lösung der Aufgabe mit einer detaillierten Beschreibung der Ergebnis der Teamarbeit eingereicht.

Präsentation und Hausübungen

Fundierte Kenntnisse im Produktions-, Logistik-, Qualitäts-, Prozess- und Projektmanagement

Die Voraussetzung für die Übung ist 330.267 Knowledge Management in Cyber Physical Production Systems (KM in CPPS - VO)