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.

TerminThemaRaum
12.10.2018Einführung in Machine Learning und Explorative DatenanalyseD116
19.10.2018Praktikum Explorative DatenanalyseD116
Ab 16 UhrPraxisvortrag 1: "Applied Magic — Reale Data Science Lösungen im täglichen Einsatz" Caroline Kleist, mayato GmbH
→ Abstract		D015
26.10.2018Lineare RegressionD116
02.11.2018Praktikum Lineare RegressionD116
09.11.2018KlassifikationD116
16.11.2018Praktikum KlassifikationD116
Ab 16 UhrPraxisvortrag 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
23.11.2018ClusteringD116
30.11.2018Praktikum ClusteringD116
07.12.2018Deep LearningD116

14.12.2018 Ab 13:30 Uhr

Praktikum Deep LearningD116
Ab 16 UhrPraxisvortrag 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)
11.01.2019AssoziationsanalyseD116
18.01.2019ab 16 Uhr Vorstellung der Firmenprojekte E411
25.01.2019Abschlussveranstaltungen (Kolloquium)D116