--- Angabe der Prüfungsordnung (ohne Angabe: PO 2011) *** PO 2017 *** ------------------------------------------------------------------ --- --- Vorlage für Modulbeschreibungen --- --- Version: 2.0 --- --- Allgemeine Hinweise: --- --- - Kommentare beginnen mit --- und werden komplett ignoriert --- --- - Wichtige Schfüsselwörter beginnen mit *** und dürfen nicht --- verändert oder gelöscht werden!!! --- --- - Die Eingaben müssen immer in den leeren Zeilen nach *** erfolgen. --- --- - Für einen Zeilenumbruch muss eine Leerzeile eingegeben werden. --- ------------------------------------------------------------------ *** Studiengang und Semester --- --- --- Das Semester wird davor geschrieben, auch Semesterbereiche möglich --- Wenn das Modul in mehreren Studiengängen verwendet wird, werden diese --- durch Komma getrennt aufgeführt. --- --- 1-2MaII, 1-2MaMb 2MaII *** Modulbezeichnung --- Name laut Modulliste verwenden Analytics & Mathematics *** Englische Modulbezeichnung Analytics & Mathematics *** Modulsprache Englisch *** Modulkuerzel ANMA *** *** Art --- nur Alternativen: Pflichtfach, Wahlpflichtfach --- --- Beispiele: --- Pflichtfach --- Wahlpflichtfach --- Pflichtfach Vertiefung Technische Informatik --- Compulsory Subject for Industrial Cyber-Physical Systems --- Pflichtfach Vertiefung Industrial Cyber-Physical Systems, --- Wahlpflichtfach Vertiefung Informationsverarbeitung für cyber-physische Systeme Wahlpflichtfach Zertifikat Industrial Cyber-Physical Systems *** ECTS-Punkte --- nur Zahl angeben --- Beispiele: --- 5 --- 7,5 5 *** Studentische Arbeitsbelastung --- Angabe als x Stunden Kontaktzeit und y Stunden Selbststudium --- Format: x, y 60, 90 *** Voraussetzungen (laut Prüfungsordnung) --- nur Modulbezeichnungen aufführen, z.B. Java 1 *** Empfohlene Voraussetzungen --- zusätzliche Module, die nicht in Prüfungsordnung als Voraussetzung stehen --- nur Modulbezeichnungen aufführen, z.B. Java 1 Mathematical knowledge at Bachelor level *** Pruefungsform und -dauer --- Alternativen: --- Klausur 1,5 h --- Klausur 1,5h oder mündliche Prüfung --- Mündliche Prüfung --- Erstellung und Dokumentation von Rechnerprogrammen --- experimental work + oral exam Mündliche Prüfung oder Studienarbeit *** Lehrmethoden und Lernmethoden --- Alternativen: Vorlesung, Praktikum, Seminar, Studentische Arbeit --- Falls Modul aus mehreren Veranstaltungen besteht, werden diese durch --- Komma getrennt aufgeführt. Vorlesung *** Modulverantwortlicher --- Vorname abgekürzt, keine Titel --- Beispiel: F. Rump E. Wings *** Qualifikationsziele --- Fließtext eingeben --- siehe Vorgaben in der Dokumentation --- Die Studierenden sollen die numerischen Herausforderungen großer Datenmengen einschätzen und beurteilen können. --- Mit Hilfe einer Standard-Software sollen Sie ausgewählte Algorithmen für hochdimensionale Probleme analysieren, --- bewerten und anwenden können. Auf dieser Basis können sie (kommerzielle) Software-Pakete hinsichtlich deren Anwendbarkeit bewerten. --- Die Studierenden sollen Repräsentationsformen durch gerichtete und ungerichtete Graphen als Bayes-Netze kennenlernen. --- Sie sollen Schlussfolgerungen innerhalb dieses Repräsentationen durchführen und Algorithmen zur Informationsweitergabe --- in Bayes-Netzen programmieren können. Anhand von Beispielen sollen sie das Lernen in Bayes-Netzen erläutern können. Students have to be able to estimate and evaluate the numerical challenge of a large amount of data. With the support of a standard-software, students have to be able to analyse, assess and use selected algorithms for high-dimensional problems. On this basis, students will be able to assess the applicability of (commercial) software-packages in a scientific context. After learning the major characteristics of Analytics as component of an Industry 4.0- and/or IIRA-compliant digitalized eco-system, the students will have the possibility to investigate and applied in a prototype manner, different kind of Analytics for different application sectors. *** Lehrinhalte --- Fließtext eingeben --- Die Bedeutung der Datenanalyse, insbesondere großer Datenmengen (Big Data), wächst in verschiedenen Bereichen der --- Wissenschaft und Wirtschaft. Die Vorlesung behandelt Konzepte, Algorithmen und Technologien zur Analyse von großen --- Datenmengen. Es werden die numerischen Methoden zur Lösung von hochdimensionaler linearer und nichtlinearer --- Gleichungssysteme sowie Verfahren für Kalibrierungs- und Maximum-Likelihood-Probleme behandelt. --- Die künstliche Intelligenz spielt in immer mehr Bereichen von Wissenschaft und Technik eine große Rolle. In der Vorlesung sollen Bayes-Netze zur Darstellung --- von Expertenwissen behandelt werden. Es werden Grundlagen der Graphentheorie, der Wahrscheinlichkeitstheorie und ihre Verknüpfung bei Bayes-Netzen --- behandelt. Außerdem werden Algorithmen zur Wissensweitergabe erläutert. The importance of data analysis, especially of a large amount of data (Big Data), is growing in the areas of science and economy. The lecture approaches concepts, algorithms and technology for the analysis of a large amount of data. Numerical methods for solving high-dimensional linear and non-linear systems of equations, as well as the process for calibration and Maximum-Likelihood will be addressed. Analytics created using digitalized data and information provided by Industrial Cyber-Physical Systems are an essential component of digitalized environments, providing support for decision-making functions at different levels in industry, transportation, energy, health eco-systems (or combination of them). The lecture offers the possibility to understand different kind of analytics and how they can be integrated within Industry 4.0 (RAMI 4.0) and Industrial Internet Reference Architecture (IIRA) environments. *** Literatur --- Format: Heun, V.: Grundlegende Algorithmen, Vieweg, 2000. --- Mehrere Literaturangaben durch Leerzeilen trennen! Wu, James; Stephen Coggeshall, Stephen: Foundations of Predictive Analytics. Chapman and Hall/CRC, 2012 Bühlmann, Peter; Drineas, Petros; Kane, Michael; van der Laan, Mark: Handbook of Big Data. Chapman and Hall/CRC, 2016 The Industrial Internet of Things. Volume T3: Analytics Framework. Industrial Internet Consortium 2017. AI-Guide Platform 4.0. 2020. What Is Data and Analytics? https://www.gartner.com/en/topics/data-and-analytics --- Fasel, D., Meier, A.: Big Data - Grundlagen, Systeme und Nutzungspotenziale, Springer, 2016 R Core Team: R: A Language and Environment for Statistical Computing, R Foundation for Statistical Computing, Wien, Österreich http://www.R-project.org/. --- Kruse, R., et.al.: Computational Intelligence, 2. Auflage, Springer Vieweg,2015 *** Hinweis --- Hier folgt der Hinweis MII-students who do not follow a certificate programme have to choose either "Analytics & Mathematics" or "Mathematik in der Robotik" as a mandatory module. ------------------------------------------------------------------ --- --- Hier beginnt die Aufzählung der einzelnen Lehrveranstaltungen --- des Moduls (z.B. Vorlesung und Praktikum). --- --- Falls mehrere Lehrveranstaltungen vorgesehen sind, bitte die --- entsprechenden Bereiche auskommentieren. --- ------------------------------------------------------------------ *** Titel der Lehrveranstaltung --- Beispiel: Praktikum Informationssysteme Analytics & Mathematics *** Dozent --- Vorname abgekürzt, keine Titel --- Beispiel: F. Rump E. Wings, A. W. Colombo *** SWS --- Zahl angeben 4