Mathematische Grundlagen der Smart Data Analyse
mit Teilnahmebescheinigung

Digitalisierung ist die 4. industrielle Revolution auf der Basis informationstechnisch miteinander verbundener Komponenten mit mechanischen und elektronischen Teilen. Eine ganz entscheidende Bedeutung nehmen dabei die erzeugten Daten ein. Qualifizierung auf dem Gebiet der ingenieurmäßigen Analyse großer Datenmengen - genannt Smart Data - ist ein wesentlicher Schlüssel um riesige Potenziale zu heben und wettbewerbsfähig zu bleiben.
In diesem Seminar werden die mathematischen Grundlagen für die Methoden zur Informationsextraktion aus großen Datenmengen vermittelt und deren Anwendung im Unternehmen anhand von Beispielen illustriert.
- Im Seminar werden die wesentlichen mathematischen Methoden für eine intelligente Datenanalyse dargestellt. Der Fokus liegt auf der Nachvollziehbarkeit der Algorithmik.
- Eingebaut in die Darstellungen und Herleitungen der mathematischen Grundlagen sind Exkurse zu Visualisierungen der Analysen und beispielhafte Implementierungen von Algorithmen mit Python sowie Verweise auf Anwendungen. Die Smart Data Analyse umfasst Methoden aus den Wissensbereichen des maschinellen Lernens, der künstlichen Intelligenz und des Data Minings.
Die vermittelten mathematischen Methoden betreffen ausgewählte Verfahren aus folgenden Gebieten:
- Fourier Reihe und Fourier Transformation
- Datenreduktion
- Schätzverfahren
- Maschinelles Lernen
Hinweis: Im Seminar wird nicht die Nutzung und Bedienung kommerzieller Software erläutert, um ein spezifisches Anwendungsproblem zu lösen. Zudem können leider keine mitgebrachten Smart Data Projekte bearbeitet werden.
Top Themen
- Die wichtigsten Datenanalyse-Verfahren für Anwendungen im
Ingenieurbereich - Verfahren zur Klassierung von Daten und mögliche Analysemethoden
- Umgang mit zensierten Daten und Verfahren zur Schätzung der dahinter liegenden Verteilungsfunktionen
- Entscheidende ingenieurgemäße Methoden zur intelligenten Analyse
kleiner und großer Datenmengen - Möglichkeiten zur Visualisierung komplexer Datenanalyse-Ergebnisse
- Big Data- bzw. Data Engineering-Methoden in der Produkt- und
Prozessentwicklung sowie zur Zuverlässigkeitsabsicherung
Intelligente Datenanalyse am Beispiel der Zuverlässigkeitstechnik
Aufbauend auf den in der Automobil-Industrie gewonnen Erfahrungen bei der Aufbereitung und Analyse von Daten werden Ihnen in diesem Seminar die mathematischen Grundlagen zur Analyse aus großen Datenmengen vermittelt. Die Beispiele illustrieren die Anwendung der Big Data/Smart Data-Methoden und sind auf andere Industrie-Bereiche übertragbar. Im Detail lernen Sie mit dieser Weiterbildung Methoden zur intelligenten Analyse kleiner und großer Datenmengen mit folgendem Programmablauf kennen:
Programm als PDF herunterladen
Einführung und Begriffsbestimmungen
| |
Informationsextraktion aus großen Datenmengen: | |
Mindestabsicherung von Zuverlässigkeit und Qualität
| |
Analyse der Daten aus der Nutzungsphase der Produkte
| |
Erzeugung signifikanter Informationen auch mit begrenzten (Kunden-)Datenmengen
| |
Visualisierung und Interpretation der Ergebnisse
| |
Anwendungsbeispiele Smart Data Analytics Engineering
|
- Angesprochen sind bei diesem Seminar Smart Data Engineering:
- Ingenieure in Forschung, Entwicklung, Produktion, Marketing, Vertrieb und Qualitätssicherung die sich mit der Informationsextraktion aus Daten auseinandersetzen wollen und müssen
- Technikaffine Menschen mit Datenbezug und mit Interesse an mathematischen Methoden und Verfahren
- Daten-Eigner, die sich mit use- und business-cases in Unternehmen beschäftigen und die methodischen Daten-Analyse-Möglichkeiten verstehen wollen
- Als Voraussetzung sollten Sie mathematische Kenntnisse auf dem Niveau der allgemeinen Hochschulreife mitbringen.
Johann-Friedrich Luy hat in der Daimler Forschung Schlüsselkomponenten für den Einsatz in Automobilradaren entwickelt. Für seine Beiträge zur Hochfrequenz-Integration wurde er im Jahr 2000 zum Fellow des internationalen Ingenieurverbandes IEEE gewählt. Im Jahr 2007 wurde er zum Professor an der TU München in der Fakultät für Elektrotechnik und Informationstechnik berufen. In der Daimler AG hat er die Entwicklung von DataMining-Technologien mit SmartData und KI Methoden verantwortet. Die daraus entwickelten Zuverlässigkeitsprozesse zur präventiven Absicherung des Reifegrades sind heute weltweit in den Entwicklungsablauf integriert. In 2018 hat er das Start-up COREPROG engineering gegründet.
Datenanalyse: Beispiele mit Python
In diesem Seminar werden keine kommerziellen Software-Tools eingesetzt. Die Pilot-Implementierungen werden im Seminar mit Python durchgeführt. Wenn Sie auf Ihrem Notebook/Tablet Python 3.7 geladen haben und auch Anaconda installiert ist, können Sie die Beispiele nachvollziehen. Ferner werden die Codes der Pilot Implementierungen verfügbar gemacht. Die Beispiel-Veranschaulichung ist grundsätzlich aber auch mit anderer Software möglich.
Das könnte Sie interessieren...
Sie erreichen uns unter:
+49(0)2116214-201
+49(0)2116214-154
wissensforum@vdi.de
Vermissen Sie etwas?
Fehlen Ihnen Informationen zu dieser Veranstaltung? Dann schreiben Sie uns eine Nachricht.
Nachricht schreiben