Vorlesungsverzeichnis

Anwendungen der Künstlichen Intelligenz in ERP-Systemen (Vorlesung)

Termin:
wöchentlich | Freitag | 08:15 - 11:45 | 18.10.2021 - 04.02.2022 | C 16.109/110 | Der Raum C 16.109/110 ist erforderlich!

Inhalt: 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

Fortgeschrittene Softwareentwicklung mit Python - Schwerpunkt Maschinelles Lernen (Seminar)

Dozent/in: Ralph Welge

Termin:
wöchentlich | Freitag | 16:15 - 17:45 | 18.10.2021 - 04.02.2022 | C 16.109/110

Inhalt: 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)

Graph-Datenbanken und Linked Data Engineering (Vorlesung)

Dozent/in: Ralph Welge

Termin:
wöchentlich | Freitag | 14:15 - 15:45 | 18.10.2021 - 04.02.2022 | C 16.109/110

Inhalt: Die Veranstaltung gliedert sich in zwei Teile Teil I: Graph Databases Teil II: Linked Data Engineering Teil III: ETL-Prozesse und Auswertungen Teil I: Graph Databases Der erste Teil der Vorlesung führt in die Technologien von Graph-Datenbanken ein Teil II: Linked Data Engineering Der zweite Teil 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 III: ETL-Prozesse und Auswertungen Der dritte Teil der Vorlesung zeigt den Umgang mit Graph-Datenbanken und Linked-Data im Rahmen von ETL- und Auswerteprozessen Die Theorie wird von praktischen Übungen begleitet.

Grundlagen der IT (Vorlesung)

Dozent/in: Ralph Welge

Termin:
wöchentlich | Dienstag | 08:15 - 11:45 | 18.10.2021 - 04.02.2022 | C 3.120 | Der Raum C 3.120 ist erforderlich!