Beruflich Dokumente
Kultur Dokumente
Digitalisierung
industrieller Prozesse
Lehrveranstaltungsüberblick
Rechnerübung: Data Science
Abteilungsleiter Analytics
Seit 12/2019 Fraunhofer IIS/SCS Nürnberg
Lecturer / Volunteer
4 Monate Mountains of the Moon University, Fort Portal, Uganda
Dr. Christian Menden
1 Jahr
Stucturing & Sales
Deutsche Bank, Global Markets Frankfurt & London
Telefon 0911 58061-9540 (Fraunhofer)
christian.menden@th-nuernberg.de
B.A. BWL (Finance & Investments)
3 Jahre Europäische Fachhochschule Rhein/Erft Brühl
Technische Hochschule Nürnberg – Fakultät Maschinenbau und Versorgungstechnik Dr. Christian Menden Seite 2
Agenda
Lehrveranstaltungsüberblick
• Prüfungsleistung
• Themenüberblick
• Übungskonzept
• E-Learning
• Literatur
Technische Hochschule Nürnberg – Fakultät Maschinenbau und Versorgungstechnik Dr. Christian Menden Seite 3
Prüfungsleistung
Schriftliche Prüfung (100% der Modulnote)
Dauer: 90 min
Inhalt: Vorlesung, Übung und begleitende Literatur
Sprache: Deutsch
Aufbau: Offene Fragen
Termin: Prüfungszeitraum Sommersemester
Technische Hochschule Nürnberg – Fakultät Maschinenbau und Versorgungstechnik Dr. Christian Menden Seite 4
Themenüberblick der Vorlesung
• Einführung
Digitalisierung Digitalisierung
• Industrie 4.0
• Operative Effizienz
Verbesserung
Unternehmen Anwendungen
• Effizienz • Neue Geschäftsmodelle
• Effektivität
• Qualität
• Internet der Dinge
Internet der Dinge
• Kommunikation
• Datenquellen, Datentypen
Datenräume
• Informationsmodelle
Re
• Anwendungsfälle c
Üb hne
Data Science un r-
• Handlungsfelder g
• Herausforderungen
datengetriebene Prozesse Umsetzung
• Neue Rolle des Menschen
Technische Hochschule Nürnberg – Fakultät Maschinenbau und Versorgungstechnik Dr. Christian Menden Seite 5
Rechnerübung
Ziel der Rechnerübung ist der Erwerb grundlegender Kenntnisse und
Fähigkeiten zur Generierung von Erkenntnissen aus Daten
• Grundbegriffe: Künstliche Intelligenz (KI) und Maschinelles Lernen (ML)
• Vorgehen: Workflow einer ML Anwendung
• Software R: Einarbeitung, Basisfunktionen, ML Softwarebibliotheken
• Deskriptive-Verfahren: Theorie, Implementierung, Beispiel, Übungsaufgaben
• Clustering-Verfahren: Theorie, Implementierung, Beispiel, Übungsaufgaben
• Klassifikations-Verfahren: Theorie, Implementierung, Beispiel, Übungsaufgaben
• Regressions-Verfahren: Theorie, Implementierung, Beispiel, Übungsaufgaben
• Eigenständige Bearbeitung eines Übungsbeispiels (àTestat mE/oE)
• Ausblick: Spezialrichtung, aktuelle Forschung im ML z. B. AutoML
Technische Hochschule Nürnberg – Fakultät Maschinenbau und Versorgungstechnik Dr. Christian Menden Seite 6
Themenüberblick der Rechnerübung
Ziel - Qualitätsprüfung von Leiterplatten
Datensatz
1
Machine
Learning
Datensatz
2
…
Datensatz
n
Technische Hochschule Nürnberg – Fakultät Maschinenbau und Versorgungstechnik Dr. Christian Menden Seite 7
Themenüberblick der Rechnerübung
• Artificial Intelligence (AI)
• Machine Learning (ML)
Data Science Grundbegriffe • Deep Learning (DL)
• Data Science
• Analytics
Datensatz
1 Supervised
Datenimport Visualisierung Daten- Deskriptive Unsupervised Learning Optimierung GUI Deployment
bereinigung Analyse Learning
Regression
Datensatz
2
Klassifikation
…
Datensatz
n
Technische Hochschule Nürnberg – Fakultät Maschinenbau und Versorgungstechnik Dr. Christian Menden Seite 8
Themenüberblick der Rechnerübung
1 • Artificial Intelligence (AI)
• Machine Learning (ML)
Data Science Grundbegriffe • Deep Learning (DL)
• Data Science
• Analytics
6
Datensatz
1 Supervised
Datenimport Visualisierung Daten- Deskriptive Unsupervised Learning Optimierung GUI Deployment
bereinigung Analyse Learning
Regression
Datensatz
2
Klassifikation
…
Datensatz
n
2 3-4 5 7 8 9
• Erfahrungen in R Programmierung
Technische Hochschule Nürnberg – Fakultät Maschinenbau und Versorgungstechnik Dr. Christian Menden Seite 10
Übungskonzept
• Theorie
• Implementierung in R
• Hausaufgabe
• Besprechung der letzten Hausaufgaben und Fragemöglichkeiten
Technische Hochschule Nürnberg – Fakultät Maschinenbau und Versorgungstechnik Dr. Christian Menden Seite 11
E-Learning-Portal
• Bereitstellung aller Kursunterlagen (Vorlesung, Rechnerübung)
• Abwicklung der gesamten Kommunikation (Forum, Kursnachrichten)
Startseite à Kurse à Fakultäten à MBVS à Gölzer, Philipp à DIGIP (Kurspasswort: DIGIP22)
Technische Hochschule Nürnberg – Fakultät Maschinenbau und Versorgungstechnik Dr. Christian Menden Seite 12
Literatur
• James, G., Witten, D., Hastie, T. & Tibshirani, R. (2017), An introduction to statistical learning: With
applications in R, Springer texts in statistics, 8 edn, Springer, New York, Heidelberg, Dordrecht and London.
• Matloff, N. (2011), The Art of R Programming: A Tour of Statistical Software Design, 1 edn., No Starch Press
• Döbel, I., Leis, M., Molina Vogelsang, M., Neustroev, D., Petzka, H., Riemer, A., Rüping, S., Voss, A.,
Wegele, M. & Welz, J. (2018), Maschinelles Lernen: Eine Analyse zu Kompetenzen, Forschung und
Anwendung, Technical report, München.
• VDMA Software und Digitalisierung (2018), Quick Guide - Machine Learning im Maschinen- und
Anlagenbau, available at:
https://sud.vdma.org/documents/15012668/26742261/!VDMA%20Quick%20Guide_Machine%20Learning_1
535375434182.pdf/f82a3951-ee87-d9f2-7702-1d20644c2349
• Bischl, B., Scheipl, F., Seibold, H., Bothmann, L., Schalk, D., Molnar, C., Pielok, T., (2021), Introduction to
Machine Learning (I2ML), available at: https://introduction-to-machine-learning.netlify.app
Technische Hochschule Nürnberg – Fakultät Maschinenbau und Versorgungstechnik Dr. Christian Menden Seite 13
Vielen Dank für
die Aufmerksamkeit
Technische Hochschule Nürnberg – Fakultät Maschinenbau und Versorgungstechnik Dr. Christian Menden Seite 14