Modul

Siehe Teilleistung.

Nach Abschluss des Praktikums können die Studierenden

• neue kontextsensitive Systeme unter Einsatz existierender "IoT", "Machine Learning" und "Big Data"-Komponenten implementieren
• existierende Komponenten und Algorithmen im Bereich Maschine Learning, Data Mining und Big Data auswählen und anpassen
• Datensätze aufbereiten und hierzu geeignete Verfahren identifizieren
• durch Experimente verschiedene Verfahren und Parametrisierungen bewerten und vergleichen
• durch Analyse der experimentellen Ergebnissen Verfahren und Verarbeitungsketten anwendungsspezifisch verbessern
• explorative Konzepte der Smart Data Innovation als "Data Analyst" bzw. "Data Scientist" selbständig anwenden

Siehe Teilleistung.

Kontextsensitivität wird oftmals als Schlüsselkomponente intelligenter Software bezeichnet. Systeme, die den Kontext ihrer Nutzer erkennen und verarbeiten können, können Dienste optimal und idealerweise ohne explizite Eingaben der Nutzer erbringen (siehe auch Beschreibung zur Vorlesung 24658)

Im Praktikum werden Techniken, Methoden und Software der Kontexterfassung und -verarbeitung als Basis von Smart Data Analytics vertieft. Im Fokus steht vor allem die im Smart Data Innovation Lab verwendete Hardware und Software (industriell genutzte Systeme wie z.B. SAP HANA und IBM Watson aber auch insbesondere Open Source Software zur Datenanalyse wie Spark, scikit-learn und Jupyter/iPython Notebooks) sowie Nutzung von Sensordaten und Zeitserien in wirtschaftlich-relevanten Anwendungen

Bewertet wird die praktische Lösung von Aufgaben die als Übungsblätter verteilt werden. Des Weiteren wird ein beispielhaftes Anwendungsproblem aus dem Analyticsbereich während des Praktikums mit Teilnahme an Wettbewerben (z.B.Kaggle o.Ä.) gelöst. In dieser Phase wird an das CRISP-DM Vorgehensweise angelehnt, was während des Praktikums erläutert wird. Vorwissen im Bereich Data-Mining/Machine-Learning ist vorausgesetzt.

Die praktischen Aufgaben finden im Umfeld aktueller wissenschaftlicher Arbeiten sowie aktueller Plattformen und Technologien statt. Das Praktikum ist forschungsorientiert und orientiert sich thematisch an aktuellen Projekte am Smart Data Innovation Lab am KIT. Dabei sollen insbesondere Einblicke in aktuelle Problemstellungen in der industriellen Anwendung gewährt werden. Ziel ist es auf Basis von konkreten Anwendungsbeispielen in Gruppen innovative, effiziente und praxisorientierte Lösungsansätze zu erarbeiten und als technologische Demonstratoren wissenschaftlich zu präsentieren.

Die Teilnehmerinnen und Teilnehmer werden bei der Durchführung von den wissenschaftlichen Mitarbeiterinnen und Mitarbeitern unterstützt und erhalten Zugang zu den notwendigen Datenquellen und Großrechnern.

Siehe Teilleistung.

Der Gesamtarbeitsaufwand für diese Lerneinheit beträgt ca. 180 Stunden (6.0 Credits).

Präsenzzeit: Präsentation/Diskussion

15 x 45 min

11 h 15 min

Persönliche Nachbereitung der Folien/Aufgaben

15 x 30 min

7 h 30 min

Individuelle Präsentation eines für die Implementierung relevanten wiss. Artikels

30 h 0 min

Praktische Bearbeitung der Aufgaben in Gruppe und individuell

15 x 8h

120 h 0 min

Ergebnisse dokumentieren und für Präsentation aufbereiten

15 x 45 min

11 h 15min

SUMME

180 h 00 min