Lehrangebot

Current Courses

Prof. Dr. Ralph Welge

Artificial Intelligence Applications in ERP Systems


Zur Steuerung und Optimierung betrieblicher Prozesse werden heute ERP-Systeme (ERP - Enterprise-Resource-Planning) eingesetzt. Typische, für den Einsatz relevante betriebliche Funktionen sind u.a. Wareneinkauf, Materialwirtschaft, Produktion und Verkauf/Marketing.

Im Bereich des Verkauf/Marketing ist unter dem Schlagwort CRM - Customer Relationship Management - ein Paradigmenwechsel am Markt erfolgreicher Unternehmen zu beobachten, bei dem die profitable Kundenbeziehung in den Mittelpunkt des unternehmerischen Handels gestellt wird. In dieser Veranstaltungen wird am Beispiel des CRM der Einsatz von KI-Methoden vorgestellt.

Teil I: Notwendige Theorie - Konzepte und Algorithmen

Eine aufkommende Teildisziplin des CRM ist das CRA - Customer Relationship Analytics. Auf der Basis von Verfahren des unterwiesenen, des nicht unterwiesenen und des autonomen Lernens kann eine Entscheidungsunterstützung bei der Steuerung betrieblicher Prozesse erwartet werden.

Teil I der Veranstaltung erörtert ausgewählte Problemklassen des CRA sowie eine Auswahl von Methoden, die für die Implementierung der Problemklassen geeignet sind:

- Klassifikation am Beispiel der Lieferantenklassifikation mit Methoden wie Entscheidungsbaum, Neuronale Netze, Random Forest, Support Vector Machine (davon max. 2 Methoden)

- Prognose am Beispiel der Absatzprädiktion mit Methoden wie lineare Regression und Neuronale Netze

- Assoziationsanalyse am Beispiel der Warenkorbanalyse mit der Apriori-Methode

- Segmentierung am Beispiel der Kundensegmentierung mit Clustering-Methoden wie k-Means und DBSCAN

Teil II: Unser Werkzeug – Die Programmiersprache Python

Teil II beschäftigt sich mit der praktischen Umsetzung einiger der vorgestellten Methoden. Dazu wird die Programmiersprache Python verwendet. Es werden zuerst die wesentlichen Konzepte der Sprache Python erarbeitet wie: Datentypen, Variablen, Kontrollstrukturen, Funktionen und Datenstrukturen (opt. Objektorientierung).

Teil III: Klassifikation, Prädiktion, Clustering live

Anschließend werden Daten synthetisiert und die Anwendung obiger Methoden trainiert.

Teil IV: NoSQL Datenbanken und deren Einbindung in Python

Teil V: Linked Data live: Anschließend wird mit GraphQL gearbeitet

Ziel: Die Studierenden sollen die Fähigkeit erlernen, die vorgestellten Problemklassen in Datensätzen zu erkennen sowie mit Hilfe der vorgestellten Methoden und der Programmiersprache Python zu lösen.

Zum Ende der Veranstaltung hin soll die Modellierung einer betrieblichen, E-Business-Dienste nutzenden Situation vorgenommen werden können. Dabei soll je nach Vorbildung der Teilnehmenden eine einfache Dateistruktur oder ein relationales Datenbanksystem genutzt werden. Es sollen Probleme modelliert, erklärt und unter Einbeziehung der Programmiersprache Python gelöst werden können.

Advanced software development with Python - focus on machine learning


In diesem Seminar geht es um die praktische Implementierung eines Softwareprojekts mit Python. Typische Anwendungen können sein:

- Maschinelles Lernen

- 2D- / 3D-Visualisierung von Daten

- Real Time Object Detection (bspw. mit YOLO)

Ziel: Die Studierenden sollen eigenständig eine Softwareanwendung planen, implementieren und testen. Dabei soll jeweils ein existierendes Framework einbezogen werden.

Jedes Projekt soll einen Beitrag zum maschinellen Lernen aus Umgebungsdaten liefern.

Databases


1.Motivation, Einführung und Grundbegriffe

2.Aufbau und (Schichten-)Modelle

3. Informationsmodellierung

4. Grundlagen des relationalen Modells

5.Die Standardsprache SQL

6.Logischer DB-Entwurf

7.Transaktionsverwaltung, Integritätssicherung und Zugriffskontrolle

8.DB-Zugriffsverfahren

9. Weitere Datenbankentypen

10. Datenbankprogrammierung mit Python

Ziel: - Vermittlung von Grundlagen-und Methodenwissen sowie Erwerb von Fähigkeiten und Fertigkeiten im Bereich Datenbanken und Informationssysteme

- Datenbankprogrammierung in Java

Artificial Intelligence - theory and applications


Die Veranstaltung gliedert sich in zwei Teile

Teil 1: Linked Data Engineering

Teil 2: Datenquellen: Relationale Datenbanken und ETL-Prozesse

Teil I: Linked Data Engineering

Der ersteTeil beschäftigt sich mit der Theorie des Linked Data Engineering. „Linked Data“ sind stark vernetzte Daten, die in Graph-basierten Datenbanken gespeichert und optional mit semantischen Informationen angereichert werden können. Linked Data haben ein breites Anwendungsspektrum angefangen beim klassischen Reporting bis hin bspw. zur Ursachenforschung. Zu den Linked Data Technologien gehören Sprachen wie XML, RDF, RDFS und OWL, Ansätze für Abfragesprachen wie SPARQL, Reasoning-Methoden sowie nicht zuletzt Werkzeuge zur Modellbildung und Inferenz. Das Verständnis der logischen und technologischen Grundlagen ist die Voraussetzung für das Verständnis von semantischen Anwendungen.

1. Grundlagen: Prinzipien, Uniform Resource Identifier

2. RDF: Sprache und deren Serialisierung, Datenstrukturen, Reification

3. RDFS: Model Building, Logical Inference

4. OWL: Konzept und Anwendung

5. Vocabularies and Ontologies: Linked Data Vocabularies, OWL

6. Die Sprache SPARQL: Queries

7. RDF Databases

8. RDF Frameworks

Teil 2: Datenquellen: Relationale Datenbanken und ETL-Prozesse

1.Motivation, Einführung und Grundbegriffe

2.Aufbau und (Schichten-)Modelle

3. Informationsmodellierung

4. Grundlagen des Relationalen Modells

5.Die Standardsprache SQL

Die Theorie wird von praktischen Übungen begleitet.

Die Theorie wird von praktischen Übungen begleitet.

Ziel: Die Studierenden sollen ein grundlegendes Verständnis von relationalen Datenbanken sowie ein erweitertes Verständnis vom Linked Data Engineering erlangen.

Zum Ende der Veranstaltung hin soll die Modellierung einer betrieblichen Situation als Linked Data-Anwendung vorgenommen werden können. Dabei soll je nach Vorbildung der Teilnehmenden eine einfache Dateistruktur oder ein relationales Datenbanksystem als Datenquelle genutzt werden. Es sollen Probleme modelliert, erklärt und unter Einbeziehung der Sprache SPARQL gelöst werden können.

Further information about courses you will find in our academic portal myStudy.