Studierende WS18/19-SS19 - Theorie-Phase
Dies waren die Termine für die Studierenden in der Theorie-Phase, die im Wintersemester 18/19 angefangen haben.
Die Veranstaltungen fanden immer von 14 -17.15 Uhr statt.
Termin | Thema | Raum |
---|---|---|
12.10.2018 | Einführung in Machine Learning und Explorative Datenanalyse | D116 |
19.10.2018 | Praktikum Explorative Datenanalyse | D116 |
Ab 16 Uhr | Praxisvortrag 1: "Applied Magic — Reale Data Science Lösungen im täglichen Einsatz" Caroline Kleist, mayato GmbH → Abstract | D015 |
26.10.2018 | Lineare Regression | D116 |
02.11.2018 | Praktikum Lineare Regression | D116 |
09.11.2018 | Klassifikation | D116 |
16.11.2018 | Praktikum Klassifikation | D116 |
Ab 16 Uhr | Praxisvortrag 2: "The lifecycle of a machine learning model: train, test and then?" Dr. Daniel Tröndle, MARKANT Services International GmbH - Maschinelles Lernen hat in vielen Bereichen große Erfolge erzielen können, insbesondere im Online-Handel wird maschinelles Lernen (machine learning) schon viele Jahre erfolgreich eingesetzt. Im stationären Einzelhandel, mit seinen weit größeren logistischen Herausforderungen, hat machine learning erst in den letzten Jahren Einzug erhalten. Die Markant Analyse- und Prognoseplattform (MAPP) optimiert mit Hilfe von Absatzprognosen die Wertschöpfungskette von Produkten des deutschen Einzelhandels und der Industrie. Wöchentlich werden ca. 30 Millionen Absatzprognosen auf Basis historischer Daten von derzeit zwölf Handelsunternehmen berechnet. Am Beispiel MAPP wird der Lebenszyklus von machine learning Modellen diskutiert: vom ersten Modell bis zum Model-Management. | D015 |
23.11.2018 | Clustering | D116 |
30.11.2018 | Praktikum Clustering | D116 |
07.12.2018 | Deep Learning | D116 |
14.12.2018 Ab 13:30 Uhr | Praktikum Deep Learning | D116 |
Ab 16 Uhr | Praxisvortrag 3: "Deep Learning — Einsatz neuronaler Netze in der Wirtschaft" Dr. Sascha Lange, PSIORI GmbH Data Science, Künstliche Intelligenz, Machine Learning, Deep Learning - Sascha Lange ordnet diese Begriffe, zeigt auf, welche theoretischen und methodischen Durchbrüche hinter dem aktuellen Hype stehen und warum die damit verbundenen Veränderungen praktisch jedes Unternehmen erfassen werden. An Hand einiger konkreter Beispiele aus der Praxis werden Einsatzmöglichkeiten maschineller Lernverfahren und insbesondere tiefer neuronaler Netze in Industrie und Handel diskutiert und Anknüpfungspunkte für verschiedene Branchen aufgezeigt. | D015 |
28.12.2018 | (Vorlesungsfreie Zeit) | |
04.01.2019 | (Vorlesungsfreie Zeit) | |
11.01.2019 | Assoziationsanalyse | D116 |
18.01.2019 | ab 16 Uhr Vorstellung der Firmenprojekte | E411 |
25.01.2019 | Abschlussveranstaltungen (Kolloquium) | D116 |