Predictive Maintenance (UHOH)
Lehrform: Vorlesung & Übung | Umfang: 180
Lehrinhalte
Im Rahmen dieser Veranstaltung sollen die Studierenden mit dem Analyseziel der Ableitung prädiktiver Vorhersagen durch die Meilensteine des Knowledge Discovery Prozesses geführt werden. Für die Vorhersage zukünftiger Ereignisse werde hierbei historische Daten zur Verfügung gestellt und verwendet. Auf Basis dieser Datenmengen erlernen die Studierenden die Durchführung eine dem Analyseziel entsprechende Aufbereitung der Daten (Pre-Processing), die iterative Modellbildung mittels Training- und Testingverfahren und verschiedene Ansätze der Modellvalidierung. Je nach Use Case werden relevante Predictive Analytics-Methoden wie zum Beispiel Varianten der Klassifikationsmodelle, Regressionsmodelle, Neuronale Netze oder Entscheidungsbäume zur Erfüllung der prädiktiven Analyseziele vermittelt.
Lernziele
Die Studierenden können Vorhersagemodelle von beschreibenden Modellen und Entscheidungsmodellen abgrenzen und wissen, für welche Aufgabenbereiche sich welche Modelle eignen. Sie lernen den generellen Ablauf von Projekten kennen (Projektdefinition, Datenerfassung, Datenanalyse, Statistik, Modellierung, Bereitstellung und Überwachung) und wissen, welche Prozesse in welchen Phasen ablaufen. Sie erlernen die Anwendung von Methoden und Werkzeugen am praktischen Beispiel und können diese selbstständig auf praxisrelevante Szenarien anwenden.
