Druckansicht der Internetadresse:

Logo of the University of Bayreuth Seite drucken
Smart Data Academy Inhalt

Inhalt

Der berufsbegleitende Zertifikatskurs „Smart Data Academy“ soll Unternehmen dabei unterstützen, vorhandene Potenziale zu verstehen und für sich nutzbar zu machen. Bereits 2021 wurde das Förderprojekt „digital.Ing“ vom Freistaat Bayern und der vbw – Vereinigung der Bayerischen Wirtschaft e. V. ins Leben gerufen. Sein Ziel ist es, akademische Weiterbildungsangebote für Ingenieur*innen sowie Techniker*innen an bayerischen Hochschulen auszubauen oder neu zu konzeptionieren.

Die Weiterbildungsmaßnahme findet als Präsenzkurs statt und wird durch eine Materialiensammlung im e-Learning der Universität Bayreuth unterstützt. Innovativ, praxisnah und digital nimmt dieses Programm Bezug auf die aktuelle Situation der Teilnehmenden und versucht diese und deren Kenntnisstand bestmöglich in die Ausgestaltung des Kurses miteinzubeziehen.

Ziel des Kurses ist es, den Teilnehmenden grundlegende Fähigkeiten rund um die Themen Big Data, Data Science, Datenveredelung, Machine Learning und künstliche Intelligenz zu vermitteln. Dafür wird eine Potenzialanalyse der teilnehmenden Unternehmen durchgeführt und es werden verschiedene Methoden der Datenakquise und Techniken der Datenvisualisierung vermittelt.


Modulübersicht

Modul 1: Big DataEinklappen
  • Begrifflichkeiten und Definition von Big Data im Kontext von Business Intelligence und Data Mining
  • (Big) Data Management in Unternehmen: Anforderungen, Dateisysteme und Datenbanken
  • Überblick über Big Data Systeme und Architekturen (z.B. Data Warehouse und Data Lakes)
  • Datenverarbeitungsmethoden in Big Data: Von Theorie zu praxisnahen Anwendungsbeispielen
  • Einführung in IT-Sicherheit und Data Governance im Kontext von Big Data
Modul 2: Lean DataEinklappen
  • Einführung in das Gebiet Data Science
  • Methoden des Data Mining: Crisp-DM, SEMMA, KDD und BAM.AI
  • Herausforderungen, Potenziale und ein Leitfaden für den erfolgreichen Einsatz von Künstlicher Intelligenz (KI)
  • Praktische Anwendung: Identifizierung von Anwendungsfällen im eigenen Unternehmen und Vorstellung einer Fallstudie
Modul 3: Smarte DatengewinnungEinklappen
  • Aufbau eines Verständnisses für Daten und Identifizierung möglicher Datenquellen im Unternehmen
  • Techniken der Datenerfassung und Signalverarbeitung in einem produzierenden Umfeld
  • Wesentliche Aufgaben bei der  Datenaufbereitung, einschließlich Datenbereinigung und -transformation
  • Praxisorientierte Demonstration unterschiedlicher Datenaufnahmemethoden (z.B. Beschleunigungs- und Stromsensoren) und Aufbereitung von Daten (Fallstudie)
Modul 4: Intelligente DatenwertschöpfungEinklappen
  • Methoden zur Datenveredelung, inklusive Feature Selection und Extraction
  • Grundlagen ausgewählter Machine Learning Verfahren
  • Übersicht zu gängigen Entwicklungsumgebungen wie JupyterLab
  • Praktische Umsetzung von Machine-Learning-Modellen und anschließende Evaluation der Ergebnisse anhand der Fallstudie
Modul 5: Effiziente DatenverwertungEinklappen
  • Einführung in die Datenvisualisierung
  • Auswahl geeigneter Diagrammtypen und effiziente Darstellung großer Datenmengen
  • Nutzung von Dashboards zur Datenvisualisierung
  • Identifizierung von geeigneten Schnittstellen zwischen Mensch und Maschine
  • Praktische Umsetzung: Visualisierung Fallstudie-Ergebnisse in Dashboards sowie Demonstration der Lernfabrik im Technikum des Lehrstuhls

Verantwortlich für die Redaktion: Katrin Anton, Telefon: 7533

Facebook Youtube-Kanal Instagram Blog Kontakt