Data Science for Engineering & Natural Sciences (E)

Niveau der Lehrveranstaltung/des Moduls laut Lehrplan

Masterstudium

Lernergebnisse der Lehrveranstaltung/des Moduls

Folgende Kompetenzen werden in der Lehrveranstaltung erarbeitet:

- Die Studierenden kennen grundlegende Einsatzbereiche von Datenerhebung, Datenspeicherung, Datenanalyse und Datennutzung im Kontext von naturwissenschaftlichen und technischen Anwendungen.
- Die Studierenden verstehen die besonderen Herausforderungen dieses Einsatzbereichs und kennen etablierte Best Practice Methoden in diesem Bereich.
- Die Studierenden sind über dies in der Lage datenbasierte Anwendungen in diesem Bereich, unter Berücksichtigung Domänenspezifischer Anforderungen, selbst zu gestalten und umzusetzen.

Voraussetzungen laut Lehrplan

Keine Voraussetzungen

Lehrinhalte

Folgende exemplarische Inhalte werden in der Lehrveranstaltung besprochen:

- Biologie (z.B. Genome Forschung, Medizinische Diagnoseverfahren usw.)
- Physik (z.B. Objekterkennung durch Bilddatenverarbeitung usw.)
- Chemie (z.B. Verarbeitung datenintensiver Experimente usw.)
Chemie (z.B. Verarbeitung datenintensiver Experimente usw.)
- Datengetriebene Wartung (z.B. Prediktive Maintenance, Digital Twin)
- Datenoptimiertes Produktdesign (z.B. Design von Produkteigenschaften durch KNN)
- Auswertung von Sensordaten (z.B. Obstacle Detection, Obstacle Avoidance, Vorhersage usw.)
- Cloudbasierte IoT Systeme (Datenspeicherung und Sammlung)
- Sensorauswertung über Raspberry Pi, Arduino, Funksysteme

empfohlene Fachliteratur

PRIMÄRLITERATUR:
- Cady, F. (2017): The Data Science Handbook (Ed. 2), Wiley, Hoboken (ISBN: 978-1119092940)

SEKUNDÄRLITERATUR:
- Heinrich, B.; Linke, P.; Glöckler, M. (2017): Grundlagen Automatisierung: Sensorik, Regelung, Steuerung (Ed. 2), Springer Vieweg, Wiesbaden (ISBN: 978-3658175818)
- Tränkler, H.-R.; Reindl, L. M. (2015): Sensortechnik: Handbuch für Praxis und Wissenschaft (Ed. 2), Springer Vieweg, Wiesbaden (ISBN: 978-3642299414)
- Serpanos, D.; Wolf, M. (2017): Internet-of-Things (IoT) Systems: Architectures, Algorithms, Methodologies (Ed. 1), Springer, Berlin (ISBN: 978-3319697147)