DATA ANALYTICS

2-TÄGIGER WORKSHOP

Interstaatliche Hochschulefür Technik Buchs

NTB

FHO Fachhochschule Ostschweiz

BEGRIFFSKLÄRUNG, METHODEN, WERKZEUGE UND

PRAXISBEISPIELE

Donnerstag und Freitag 11./12. Oktober 2018

NTB Campus Buchs

2

Wir laden Sie herzlich ein, an dem Workshop teilzunehmen.

Mit freundlichem Gruss

Prof. Dr. Klaus Frick

WISSEN AUS DATEN

Sehr geehrte Damen und Herren,

Im Zeitalter der Digitalisierung steht

eine Ressource im Übermass zur

Verfügung: Daten. Data Science

bezeichnet die Disziplin, aus unstruktu-

rierten Daten Information und Wissen

und damit letztendlich Mehrwert zu

generieren. Maschinelles Lernen

ist eine Teildisziplin der künstlichen

Intelligenz, die genau dafür Werkzeuge

zur Verfügung stellt: Selbstlernende

Algorithmen, mit deren Hilfe Daten inter-

pretiert, Muster extrahiert und schlies-

slich Vorhersagen für die Zukunft getrof-

fen werden. Eine Herausforderung

dabei ist neben den komplexen

Strukturen auch die schiere Menge der

Daten und die Geschwindigkeit ihres

Entstehens. Vor diesem Hintergrund

spricht man deshalb auch von Big Data:

Das Datenvolumen ist ein Teil des

Problems.

Dr. Klaus FrickProfessor für Mathematik und Physik

Data Science ist längst in unserem

Alltag angekommen: Google, Netflix,

Facebook & Co. sind wahre Meister

der Datenanalyse und beschäftigen

Heerscharen von Mathematikern und

Statistikern, um ihre Daten zu durch-

forsten. Als Benutzer von Smartphones

kommen wir tagtäglich in den Genuss

von künstlicher Intelligenz in Form von

maschinellem Lernen. In der Industrie

bzw. im Ingenieurswesen allgemein

befinden wir uns momentan noch in der

Pionierphase. Typische Fragstellungen

hier sind etwa das Design von virtuellen

Sensoren, vorausschauende Wartung

oder selbstlernende Algorithmen zur

Regelung und Steuerung.

Dieser zweitägige Workshop gibt einen

Überblick über das sich rasch ent-

wickelnde Feld Data Science. Neben

Praxisbeispielen, Begriffsklärungen und

theoretischen Grundlagen lernen Sie die

gängigen Software-Tools in hands-on

Sequenzen aktiv kennen.

3

Zielpublikum

Der Workshop ist an alle gerichtet, die mit der Analyse von Daten zu tun haben oder

sich dafür interessieren, z.B. Manager, Führungskräfte in Wirtschaft und Technik,

Qualitätsverantwortliche, Ingenieure und Laboranten. Es werden nur elementare

Mathematik- bzw. Programmierkenntnisse vorausgesetzt.

Tagungsgebühren

Der Normalpreis für Teilnehmer aus Unternehmen beträgt CHF 1200.00.

Ein Hochschulrabatt ist auf Anfrage möglich.

Der Preis beinhaltet die Verpflegung an beiden Unterrichtstagen (Pausen,

Mittagessen und Apèro) sowie die Kursunterlagen auf Deutsch.

Referent

WICHTIGE INFOSWISSEN AUS DATEN

Prof. Dr. Klaus Frick wurde 1980 in

Bludenz (A) geboren und studierte tech-

nische Mathematik an der Universität

Innsbruck. Sein Diplom erhielt er 2004

mit einer Arbeit über Toleranzanalyse in

CAD Systemen in Zusammenarbeit mit

der Firma GETRAG Ford Transmissions

GmbH in Köln. Bis 2008 folgte ein

Promotionsstudium bei Prof. Scherzer

an der Universität Innsbruck im Bereich

der mathematischen Bildverarbeitung

(Variationsmethoden, Optimierung).

Von 2008 bis 2013 war Dr. Frick

Assistent am Institut für mathematische

Stochastik der Universität Göttingen, wo

er sich mit statistischen Schätzverfahren

in der Bildverarbeitung beschäf-

tigt hat. Seit Juli 2013 ist Dr. Frick

Dozent für Mathematik am Institut für

Computational Engineering an der NTB

in Buchs. Neben seiner Lehrtätigkeit ist

er vor allem in Data Science Projekten

in Kooperation mit lokalen Unternehmen

engagiert.

4

PROGRAMM 1. TAG

4

Sie lernen die wichtigsten Grundbegriffe

modernen Datenanalyse kennen sowie

die Abgrenzungen und Schnittstellen

zu anverwandten Gebieten. Grundsätze

zur Projektplanung mit Daten werden

aufgezeigt und erste Beispiele, sowohl

historische als auch aktuelle, studiert.

Sie lernen zudem die wichtigsten aber

auch die unzulässigen Schritte zur

Vorverarbeitung und Visualisierung

von Daten. Am Nachmittag widmen

wir uns dann ersten Modellen aus dem

Bereich des überwachten Lernens:

Aus historischen Daten werden

Regressionsmodelle erlernt, validiert

und dann zur Analyse und Vorhersage

verwendet. Alle Techniken erfahren Sie

selber anhand vorbereiteter Tutorials in

den gängigen Modellierungstools.

Tag 1 Donnerstag, 11.10.2018

8:30 – 8:45 Begrüssung

8:45 – 10:00 Einführung und Grundbegriffe

– Begriffsdefinitionen

– Projektmanagement (CRISP-DM)

– Erste Beispiele

– Grundzüge der Modellierung

10:00 – 10:30 Pause

10:30 – 12:00 Beschreiben und Visualisieren von Daten

– Deskriptive Statistik

– Datenvisualisierung

– Datentransformationen

– Hands-on

12:00 – 13:00 Mittagspause

13:00 – 14:30 Überwachtes Lernen I – Regression

– Einführung in überwachtes Lernen

– Lineare Regression

– K- nearest neighbors Regression

– Resampling Methoden und Modellwahl

14:30 – 15:00 Pause

15:00 – 17:00 Hands-on Regression: Virtuelle Sensoren

Ab 17:00 Apéro

55

«YOU CAN HAVE DATA WITHOUT INFORMATION, BUT YOU CAN NOT

HAVE INFORMATION WITHOUT DATA»Daniel Keys Moran

66

PROGRAMM 2. TAG

Der zweite Tag dient zur Vertiefung

der Modellierungskompetenz.

Wir widmen uns zunächst den

Klassifikationsproblemen, der am

häufigsten anzutreffenden Situation

in der Praxis (z.B. Vorausschauenden

Wartung, Spam Detektor oder das

Vorschlagssystem von Amazon).

Tag 2 Freitag, 12.10.2018

8:30 – 10:00 Überwachtes Lernen II – Klassifikation

– Klassifikationsproblem

– Logistische Regression

– Neuronale Netze und Deep Learning

10:00 – 10:30 Pause

10:30 – 12:00 Hands-on Klassifikation: Predictive Maintenance

12:00 – 13:00 Mittagspause

13:00 – 14:30 Unüberwachtes Lernen

– Einführung in unüberwachtes Lernen

– Dimensionsreduktion

– Clusteranalyse

14:30 – 15:00 Pause

15:00 – 16:45 Hands-on Unüberwachtes Lernen: Anomalitätsdetektion

16:45 – 17:00 Wrap-up

Ab 17:00 Apéro

Des Weiteren bekommen Sie einen

Einblick in die Welt des unüberwach-

ten Lernens. Hier lernen Sie, wie man

Gruppen und Muster in unstrukturier-

ten Daten finden kann und wir man

grosse Datenmengen mit geringem

Informationsverlust reduzieren kann.

7

ANMELDUNG / ORGANISATORISCHES

Anmeldeschluss ist der 5. Oktober 2018.

Die Anmeldung erfolgt online unter

www.ntb.ch/bigdata

Für Fragen steht Ihnen Prof. Dr. Klaus

Frick zur Verfügung.

Die Teilnehmerzahl ist auf 25

Personen beschränkt. Die An-

meldungen werden entsprechend

ihres Eingangsdatums berücksich-

tigt. Nach Eingang Ihrer Anmeldung

erhalten Sie eine Bestätigung und

eine Rechnung, die Sie bitte vor

Veranstaltungsbeginn begleichen.

8 8

Interstaatliche Hochschulefür Technik Buchs

NTB

FHO Fachhochschule Ostschweiz

NTB Interstaatliche Hochschule

für Technik Buchswww.ntb.ch

NTB Campus BuchsWerdenbergstrasse 49471 BuchsTel. +41 81 755 33 11office@ntb.ch

NTB Studienzentrum St.GallenSchönauweg 4, Postfach9013 St.GallenTel. +41 81 755 32 00office@ntb.ch

NTB Standort Chur HTW Chur (Kooperationspartner)Hochschule für Technik und WirtschaftPulvermühlestrasse 577004 Chur

FHO Fachhochschule Ostschweiz www.ntb.ch/ice

KONTAKT

Institut für Computational Engineering ICENTB Interstaatliche Hochschule für Technik BuchsWerdenbergstrasse 4CH-9471 Buchs

Prof. Dr. Klaus Frick+41 81 755 34 04klaus.frick@ntb.ch