UnivIS
Informationssystem der Friedrich-Alexander-Universität Erlangen-Nürnberg © Config eG 
FAU Logo
  Sammlung/Stundenplan    Modulbelegung Home  |  Rechtliches  |  Kontakt  |  Hilfe    
Suche:      Semester:   
 Lehr-
veranstaltungen
   Personen/
Einrichtungen
   Räume   Forschungs-
bericht
   Publi-
kationen
   Internat.
Kontakte
   Examens-
arbeiten
   Telefon &
E-Mail
 
 
 Darstellung
 
Druckansicht

 
 
Modulbeschreibung (PDF)

 
 
 Außerdem im UnivIS
 
Vorlesungs- und Modulverzeichnis nach Studiengängen

Vorlesungsverzeichnis

 
 
Veranstaltungskalender

Stellenangebote

Möbel-/Rechnerbörse

 
 
Einrichtungen >> Technische Fakultät (TF) >> Department Informatik (INF) >> Lehrstuhl für Informatik 6 (Datenmanagement) >>

Big-Data Analytics (Using Machine Learning) (BDA)5 ECTS
(englische Bezeichnung: Big-Data Analytics (Using Machine Learning))

Modulverantwortliche/r: Klaus Meyer-Wegener, Richard Lenz, Melanie Bianca Sigl
Lehrende: Klaus Meyer-Wegener, Melanie Bianca Sigl


Startsemester: WS 2018/2019Dauer: 1 SemesterTurnus: unregelmäßig
Präsenzzeit: 60 Std.Eigenstudium: 90 Std.Sprache: Englisch

Lehrveranstaltungen:


Empfohlene Voraussetzungen:

Es wird empfohlen, folgende Module zu absolvieren, bevor dieses Modul belegt wird:

Knowledge Discovery in Databases (SS 2018)


Inhalt:

Ziel der Arbeit soll es sein, verschiedene Machine Learning Methoden zu vergleichen, um ein geeignetes Modell zur Vorhersage von Fehlertypen von Lasergeräten auszuwählen (Predictive Maintenance).

Lernziele und Kompetenzen:

Die Teilnehmerinnen und Teilnehmer

  • arbeiten sich in eine konkrete Analyse-Aufgabe ein;

  • folgen dem Data-Mining-Prozess aus der Literatur;

  • machen sich mit den verfügbaren Daten vertraut und beschreiben sie;

  • stellen eine Hypothese auf für die in den Daten zu findenden Muster;

  • bereiten die Daten für die Analyse vor (Reinigung, Reduktion);

  • wählen ein geeignetes Analyseverfahren aus;

  • definieren die sog. Hyperparameter für dieses Verfahren, ggf. auch als eine Reihe, die nacheinander zu testen ist;

  • führen das Verfahren durch;

  • bewerten das Ergebnis;

  • visualisieren das Ergebnis;

  • dokumentieren ihre Vorgehensweise in nachvollziehbarer Art und Weise;

  • präsentieren die Ergebnisse ihrer Arbeit.

Literatur:

Jiawei Han, Micheline Kamber, and Jian Pei: Data Mining – Concepts and Technologies, 3rd ed. Waltham, MA : Morgan Kaufmann, 2012 (The Morgan Kaufmann Series in Data Management Systems). - ISBN 978-0-12-381479-1

Organisatorisches:

Dieses Praktikum erfolgt in Kooperation mit einem Fertigungsunternehmen.


Weitere Informationen:

Schlüsselwörter: Big Data; Data Analytics; Data Science

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:
Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:

  1. Informatik (Master of Science)
    (Po-Vers. 2010 | TechFak | Informatik (Master of Science) | Wahlpflichtbereich | Säule der softwareorientierten Vertiefungsrichtungen | Vertiefungsrichtung Datenbanksysteme)

Studien-/Prüfungsleistungen:

Big-Data Analytics (Using Machine Learning) (Prüfungsnummer: 870480)

(englischer Titel: Big-Data Analytics (Using Machine Learning))

Prüfungsleistung, mehrteilige Prüfung, Dauer (in Minuten): 30, benotet, 5.0 ECTS
Anteil an der Berechnung der Modulnote: 100.0 %
weitere Erläuterungen:
Die Note setzt sich aus der Bewertung der folgenden Einzelleistungen zusammen: 50% Code, 30% Abschlusspräsentation, 20% Präsentation von Algorithmen (im November).
Prüfungssprache: Deutsch oder Englisch

Erstablegung: WS 2018/20191. Wdh.: keine Wiederholung, 2. Wdh.: keine Wiederholung
1. Prüfer: Klaus Meyer-Wegener

UnivIS ist ein Produkt der Config eG, Buckenhof