Data Science & IoT Projects: Train your own Machine Learning Model

What do you want to predict today? Dies soll die Leitfrage dieses Projektseminars sein. Künstliche Intelligenz, Machine Learning, Data Science, IoT und Big Data sind BuzzWords, die es mit Inhalt zu füllen gilt - hierzu sind Sie an der Reihe! In diesem Projektseminar gehen Sie hands-on und in Teams entweder eigenen Ideen rund um diese Bereiche nach, oder Sie wählen aus einer Liste an Use Cases aus. Diese Use Cases können Ihrem Fachgebiet entsprechen – oder Sie blicken über den Tellerrand und wählen ein fachfremdes Thema aus. Beispielhafte Use Cases können sein:

• Predictive Maintenance: Helfen mir Machine Learning & Deep Learning zur Vorhersage und Klassifizierung von Maschinenfehlern?
• Bird IoT: kann ich mir ein IoT-Device bauen, das mich benachrichtigt, wenn es vor meinem Fenster eine bestimmte Vogelart anhand von Audioaufnahmen erkennt?
• Face and Emotion Recognition: wie können Machine Learning Modelle Gesichter und Emotionen erkennen?
• Analyzing Brain Activity from fMRI Scans: Magnetresonanztomographen liefern uns Daten zur Analyse von Gehirnaktivität. Wie kann man diese mittels Python untersuchen? Wie zeigt sich die Synchronisation verschiedener Gehirnareale in diesen Daten?
• Social Network Analysis: Facebook, Twitter & Co. bilden riesige soziale Netzwerke. Wie kann man solche sozialen Netzwerke visualisieren, analysieren, charakterisieren und vergleichen?
• Deep Learning for Iceberg Classification: kann man mittels Deep Learning Eisberge detektieren und klassifizieren?
• Sustainability und Artificial Intelligence: wie könnte man mittels Machine Learning Nachhaltigkeit fördern?
• Sales oder Demand Forecasting: Mittels welches Machine Learning Modells kann ich den Absatz von Produkten vorhersagen?
• Aufbau eines Recommender-Systems: wie schaffen es große Internet-Shops mir Artikel zu empfehlen, die mir dann auch noch gefallen?
• Ihre eigenen Ideen! Was wollten Sie schon immer analysieren/vorhersagen?

Je nach Use Case und Fragestellung analysieren und visualisieren Sie Daten verschiedenster Fachbereiche, nutzen deskriptive und inferenzstatistische Methoden, bauen - z.B. mittels Raspberry Pis - IoT-Devices auf und/oder trainieren Ihre eigenen Machine Learning Modelle.

Struktur:

• Für alle Use Cases wird die Programmiersprache Python und die Umgebung Anaconda/JupyterLab verwendet und vermittelt
• Grundkonzept ist der CRISP-DM Zyklus mit seinen Phasen: Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, Deployment
• Erstellung von Data Science Reports mittels JupyterLab und Python wird vermittelt
• Tutorials und Literatur werden für die verschiedenen Bereiche - von Python über Data Science/Machine Learning und darüber hinaus - zur Verfügung gestellt und können self-paced und angeleitet durchgearbeitet werden
• Die Teams organisieren sich agil mittels KanBan und Weeklys