course-schedule

Applied Machine Learning for Smart and Connected Systems (Vorlesung/Übung)

Dozent/in: Burkhardt Funk, Maximilian Hannes Reinhardt

Termin:
wöchentlich | Donnerstag | 09:50 - 12:05 | 06.04.2026 - 10.07.2026 | C 6.316 Seminarraum

Inhalt: Wearables, Smartphones und IoT-Geräte sind heute Teil vernetzter cyber-physischer Systeme. Sie erfassen kontinuierlich Bewegungs-, Körper- und Umweltdaten und eröffnen damit breite Anwendungsmöglichkeiten für datengetriebene Analysen. In dieser Veranstaltung lernen Sie, Daten physischer Sensoren mit modernen Machine-Learning-Verfahren zu verarbeiten und zu modellieren – vom Data Cleaning und der Signalaufbereitung über Feature-Engineering und Modelltraining bis zur Evaluation. Die vermittelten Methoden finden sich u. a. in Predictive Maintenance, im autonomen Fahren sowie in datenschutzfreundlichen Ansätzen wie Federated Learning wieder. Nach einer einführenden Vorlesungsphase entwickeln Sie ein eigenes Projekt, in dem Sie Sensordaten erheben, analysieren und für Erkennung, Vorhersage oder Anomaliedetektion nutzen – etwa zur Aktivitäts- und Gangerkennung, Haltungsklassifikation, Belastungs-/Stressschätzung oder Zustandsprognose technischer Systeme. Als Leitfaden dient Hoogendoorn & Funk (2018), Machine Learning for the Quantified Self.

Digitale Transformation (Vorlesung/Übung)

Dozent/in: Paul Drews, Bijan Khosrawi-Rad

Termin:
wöchentlich | Dienstag | 14:15 - 16:45 | 06.04.2026 - 10.07.2026 | C 7.319 Seminarraum

Inhalt: In dieser Veranstaltung setzen wir uns intensiv mit der Digitalen Transformation von Organisationen / Unternehmen auseinander. Hierfür schauen wir uns neben den Treibern und den Technologien auch Methoden zur Transformation an. Themenauswahl: - Treiber der Digitalen Transformation - Digitale Transformation von Individuen, Organisationen und Gesellschaft - IT-Innovationen / Digitale Technologien - Methoden der Digitalen Transformation - Werkzeuge zur Digitalen Transformation - Change Management - Fallbeispiele zur Digitalen Transformation - Auswirkungen der Digitalen Transformation in verschiedenen Branchen - Nachhaltige / wertorientierte Digitale Transformation - Theorien zur Digitalen Transformation - Aktueller Stand der Forschung zur Digitalen Transformation

Erklärbare KI und Visualisierung (Vorlesung/Übung)

Dozent/in: Kai Moltzen, Ricardo Usbeck

Inhalt: Aussagekräftige und ansprechende Visualisierungen - Gestaltungsprinzipien für die Visualisierung quantitativer Daten - Telling stories with data: What to look for & How to design? - Im Laufe der Zeit & Proportionen, Unterschiede & (räumliche) Zusammenhänge Erklärbare KI - Relevanz und Konzepte der Interpretierbarkeit - Taxonomie und Evaluation von Erklärungen - Interpretierbare Modelle, z.B. lineare Regression und Entscheidungsbäume - Lokale modellagnostische Methoden, z.B. LIME (Local Interpretable Model-Agnostic Explanations), - Von lokalen zu globalen modellagnostischen Erklärungen mit SHAP (SHapley Additive exPlanations) - Modellspezifische Erklärungen für Neuronale Netze, z.B. Learned Features und Pixel Attribution Maps - Erklärbarkeit im Zeitalter von Deep Learning und großen Sprachmodellen (LLMs) - Aktuelle, relevante Forschungsliteratur - Regulatorische Anforderungen wie der EU AI Act - Diskussion über die Zukunft der Mensch-KI-Interaktion, Herausforderungen bei der Erklärbarkeit und weiterführende Ansätze, um die Erklärungen von KI-Modellen transparenter und nachvollziehbarer zu gestalten.

Softwarearchitektur (Vorlesung)

Dozent/in: Thomas Slotos

Inhalt: Die Vorlesung gibt einen Überblick über den architektonischen Aufbau von Software unter Verwendung von Entwurfs- und Architekturmustern. Anhand einer vorgegebenen Projektaufgabe wird inkrementell/iterativ und testgetrieben die Softwarearchitektur entwickelt. Als allgemeine Grundlage zur Softwarearchitektur dient ein Überblick über die Facetten wie z.B. Architekturaufgaben, -tools, -muster, und -sprachen.

Course Schedule

Lehrveranstaltungen

Applied Machine Learning for Smart and Connected Systems (Vorlesung/Übung)

Digitale Transformation (Vorlesung/Übung)

Erklärbare KI und Visualisierung (Vorlesung/Übung)

Softwarearchitektur (Vorlesung)