Datengetriebene (KI-)Entwicklung

11M2000

Master

Deutsch

5.0

unregelmäßig

1 Semester

Die Kompetenz im Umgang mit komplexen, polystrukturierten Daten nimmt in der Elektrotechnik eine zunehmend größere 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 häufig als innovationstreibende Kenntnisse angesehen. Aufgrund der Vielzahl der in der Elektrotechnik erfassbaren Daten gilt dies besonders auch in dieser Domäne. 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. Ausgewählte Algorithmen und Anwendungen
12. Deployment von KI-Modellen (z.B. Edge)
13. Praktische Übungen
14. Anwendungsbeispiele

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

• Hausarbeit oder
• Projektbericht (schriftlich)

• experimentelle Arbeit oder
• regelmäßige Teilnahme

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

Benotete Prüfungsleistung:

• Hausarbeit: 10-20 Seiten, dazugehörige Erläuterung: ca. 20 Minuten
• Projektbericht (schriftlich): 10-20 Seiten, dazugehörige Erläuterung: ca. 20 Minuten

Unbenotete Prüfungsleistung:

• Experimentelle Arbeit: Experiment: insgesamt ca. 5 Versuche
• Regelmäßige 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 zusätzlich über umfangreiches Spezialwissen über praxisnahe Anwendungen datenintegrierender, speichernder und analysierender Systeme. 

Die Studierenden können geeignete DBMS sowie KI-Algorithmen aufgabenbezogen auswählen 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 können 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 können aktuelle Forschungsergebnisse im Rahmen formeller Präsentationen einem Fachpublikum vorzustellen. Sie sind befähigt zur kritischen Fachdiskussion mit Anwendern, Datenbankexperten, Software-Entwicklern und Data Scientists.

• Tapken, Heiko

• Tapken, Heiko