Datengetriebene (KI-)Entwicklung

11M2000

Master

Deutsch

5.0

unregelm??ig

1 Semester

Die Kompetenz im Umgang mit komplexen, polystrukturierten Daten nimmt in der Elektrotechnik eine zunehmend gr??ere Rolle ein. Gerade in Bezug auf Themen wie Industrie 4.0, Internet of (all) Things, Wearables und Big Data werden Daten erzeugt, die ohne fundierte Kenntnisse im Umgang mit Datenbanken nicht mehr beherrschbar sind. Kenntnisse im fortgeschrittenen Datenmanagement einschl. Big Data sowie deren Analyse mit Künstliche Intelligenz werden h?ufig als innovationstreibende Kenntnisse angesehen. Aufgrund der Vielzahl der in der Elektrotechnik erfassbaren Daten gilt dies besonders auch in dieser Dom?ne. Im vorliegenden Modul werden daher die für die Durchführung von KI-Entwicklungen notwendigen Kenntnisse des Datenmanagements vermittelt (Enabler), um darauf aufbauend einen Einstieg in moderne KI-Entwicklung von der Datenerfassung bis zum (Edge-)Deployment zu erhalten.  

1. Einführung in die Künstliche Intelligenz
2. Daten und Metadaten
3. Datenbankmanagementsysteme (Relational, NoSQL)
4. CRUD-Operationen
5. Datengetriebene Prozesse und Architekturen (Data Warehousing, KI-Prozessmodelle)
6. Fortgeschrittenes Datenmanagement (Big Data, Distributed Ledger, Spatio-Temporal-Databases)
7. Datenintegration
8. Hypothesennutzende vs. Hypothesengenerierende Datenanalyse
9. Klassen von Lernverfahren (unsupervised, supervised, semi-supervised, self-supervised)
10. Klassifikation, Clustering und Assoziationsanalyse
11. Ausgew?hlte Algorithmen und Anwendungen
12. Deployment von KI-Modellen (z.B. Edge)
13. Praktische ?bungen
14. Anwendungsbeispiele

Der Arbeitsaufwand für das Modul umfasst insgesamt 150 Stunden (siehe auch "ECTS-Leistungspunkte und Benotung").

• Hausarbeit oder
• Projektbericht (schriftlich)

• experimentelle Arbeit oder
• regelm??ige Teilnahme

Die Auswahl der benoteten und unbenoteten Prüfungsarten aus den vorgegebenen Optionen obliegt der jeweiligen Lehrperson. Diese h?lt sich dabei an die jeweils gültige Studienordnung.

Benotete Prüfungsleistung:

• Hausarbeit: 10-20 Seiten, dazugeh?rige Erl?uterung: ca. 20 Minuten
• Projektbericht (schriftlich): 10-20 Seiten, dazugeh?rige Erl?uterung: ca. 20 Minuten

Unbenotete Prüfungsleistung:

• Experimentelle Arbeit: Experiment: insgesamt ca. 5 Versuche
• Regelm??ige Teilnahme: Anwesenheit von mind. 80% der Veranstaltung

Umgang mit Office-Produkten, grundlegende Informatik-Kenntnisse (Bachelorniveau Elektrotechnik), Programmierkenntnisse in einer Programmiersprache,  Mathematikkenntnisse (Bachelorniveau)

Studierende, die dieses Fach erfolgreich studiert haben, kennen aktuelle Datenbanktechnologien und deren Anwendungsgebiete. Sie verfügen über vertiefte Kenntnis moderner Datenanalyseprozesse des Machinellen Lernens als Teilbereich der Künstlichen Intelligenz.

Die Studierenden verfügen zus?tzlich über umfangreiches Spezialwissen über praxisnahe Anwendungen datenintegrierender, speichernder und analysierender Systeme. 

Die Studierenden k?nnen geeignete DBMS sowie KI-Algorithmen aufgabenbezogen ausw?hlen und einsetzen.

Die Studierenden sind in der Lage, aktuelle Datenbanktechnologien als Teil komplexer elektrotechnische Projekte einzusetzen und deren Anwendung mit bereits erworbenen Kompetenzen kombinieren. Sie k?nnen neue Datenanalysemethoden erlernen und diese in den Kontext verteilter und mobiler Anwendungen einordnen. Sie führen dazu in einem festgelegten Rahmen Forschungs- und Entwicklungsprojekte durch und setzen diese prototypisch um.

Die Studierenden k?nnen aktuelle Forschungsergebnisse im Rahmen formeller Pr?sentationen einem Fachpublikum vorzustellen. Sie sind bef?higt zur kritischen Fachdiskussion mit Anwendern, Datenbankexperten, Software-Entwicklern und Data Scientists.

• Tapken, Heiko

• Tapken, Heiko