MAS Data Science

Wahlmodule

Big Data Streaming
Streaming Technologien werden im Big Data Bereich immer wichtiger, insbesondere, wenn Daten (near) realtime verarbeitet werden müssen. In diesem Modul werden Streaming Konzepte und Architekturen behandelt. Nebst dem Spark-Ökosystem werden weitere Plattformen wie Apache Kafka, Apache Flink, Apache Beam thematisiert.

Deep Learning
In vielen Bereichen wie Bildverarbeitung, Spracherkennung, Textanalyse etc. gelangen mit Deep Learning Technologien entscheidende Durchbrüche. Das Modul zeigt die Einsatzmöglichkeiten von Deep Learning auf und vermittelt die Kompetenz, mit tiefen neuronalen Netzwerken umzugehen und eigene neuronale Netzwerke zu erstellen und zu trainieren.

Reinforcement Learning
Neben den überwachten und unüberwachten Lerntypen ist das Reinforcement-Lernen die dritte wichtige Lernmethode im Machine Learning. Es geht darum, dass ein Agent ein Verhalten erlernt auf Grund von Feedback, das er auf durchgeführten Aktionen erhält. Wichtige Anwendungen sind z.B. Strategien für Spiele (Deep Mind für Schach oder Go), Robotics oder die Steuerung autonomer Fahrzeuge. Es werden verschieden Modelle von Reinforcement-Learning aufgezeigt, die teilweise auf Deep Learning beruhen.

Information Retrieval & Natural Language Processing
Information Retrieval findet klassischerweise Anwendung in Suchmaschinen und wird heute ergänzt durch Natural Language Processing (NLP). Es werden Big Data Methoden mit Machine Learning Ansätzen kombiniert und aufgeschriebene und gesprochene Texte angewandt. Das erlaubt insbesondere, nicht strukturierte Informationen zu verarbeiten.

Geoinformationssysteme
Das Modul führt zuerst in die Geoinformationssysteme ein. Als Beispiel einer Open Source GIS-Software wird QGIS vorgestellt. Das Modul zeigt auf, wie Big Data und Machine Learning Technologien im GIS Bereich angewendet werden.

Netzwerkanalyse 
Netzwerke treten in verschiedenster Form auf: Soziale Netzwerke, WWW, Computer-Netzwerke, Versorgungsnetzwerke etc. Mit Methoden der Graphentheorie können Netzwerke analysiert werden, um damit z.B. Aussagen über die Stabilität von Versorgungsnetzwerken zu machen oder Verkehrsnetzwerke zu optimieren. Ein weiteres Thema ist die Visualisierung von Netzwerken.

Advanced Business Analytics and Process Automation
Das Modul thematisiert, wie für Industrial Analytics die Technologien der Data Science eingesetzt werden können. Es wird gezeigt, welche Perspektiven Data Analytics zur Erzielung von Marktvorteilen bietet.

Wissensrepräsentation und Semantische Netze
Im Mittelpunkt steht die Repräsentation von Wissen in Form von Wissensgraphen. Neben den technologischen Grundlagen liegen Schwerpunkte bei den Modellierungstechniken, den Abfragesprachen und dem automatischen Ableiten von Schlussfolgerungen aus den repräsentierten Informationen.