Industrial Data Science 2 (InDaS 2)
InDaS 2 vermittelt praktische Erfahrungen in der Anwendung von Datenanalyse- und Datenmanagementmethoden auf industrielle Problemstellungen durch interdisziplinäre Projektarbeit auf Grundlage von CRISP-DM.
Ziel und Inhalt
Der Kurs konzentriert sich auf die praktische Anwendung von Methoden der Datenanalyse und des Datenmanagements auf einen industriellen Anwendungsfall. In interdisziplinären Projektgruppen strukturieren und bearbeiten die Studierenden eigenständig ein Datenanalyseprojekt auf Grundlage des CRISP-DM-Prozessmodells. Sie definieren geeignete Arbeitspakete und wählen passende Methoden zur Datenerfassung, Datenvorverarbeitung und Modellierung aus, parametrisieren diese und wenden sie an. Die Veranstaltung baut auf den methodischen Grundlagen von Industrial Data Science 1 auf und überträgt diese auf ein praxisorientiertes Projektsetting. Ein besonderer Schwerpunkt liegt auf der eigenständigen Lösung einer industriellen Problemstellung, der strukturierten Durchführung des Analyseprozesses und der interdisziplinären Zusammenarbeit.
Kernthemen
- CRISP-DM
- Industrielle Datenanalyse
- Datenerfassung
- Datenvorverarbeitung
- Datenmodellierung
- Auswahl und Parametrisierung von Datenanalysemethoden
- Interdisziplinäre Projektarbeit
- Industrielle Anwendungsfälle
Relevanz und Motivation
Der effektive Einsatz von Data Science in der industriellen Praxis erfordert mehr als die Kenntnis einzelner Analysemethoden. Industrielle Problemstellungen müssen in strukturierte Datenanalyseprojekte überführt, geeignete Methoden ausgewählt und an die verfügbaren Daten angepasst werden. Zudem müssen Lösungen häufig über Fachdisziplingrenzen hinweg entwickelt werden. Industrial Data Science 2 greift diese Anforderungen durch die eigenständige Bearbeitung eines industriellen Anwendungsfalls in interdisziplinären Projektgruppen auf. Die Studierenden sammeln praktische Erfahrungen in der Strukturierung von Datenanalyseprojekten sowie in der Anwendung von Methoden zur Datenerfassung, Datenvorverarbeitung und Modellierung. Die Veranstaltung stärkt damit die methodischen, projektbezogenen und interdisziplinären Kompetenzen, die für datengetriebene Problemlösungen in industriellen und ingenieurwissenschaftlichen Kontexten erforderlich sind.
Veranstaltungsdetails
- Rhythmus: Sommersemester
- Umfang: Vorlesung (2 SWS) und Übung (2 SWS), insgesamt 4 SWS, 150 Stunden Arbeitsaufwand, 5 CP
- Ergebnispräsentation (ca. 10 Minuten, 20 %) und Kurzbericht (80 %) in englischer Sprache
