MaLiTuP - Maschinelles Lernen in Theorie und Praxis
Ziel des Vorhabens ist die Entwicklung und dauerhafte Einrichtung einer Qualifizierungsmaßnahme unter dem Titel „Maschinelles Lernen in Theorie und Praxis“, um Master-Studierenden der Fachrichtung Logistik der TUHH ein dauerhaftes Angebot im Bereich des Maschinellen Lernens zu unterbreiten.
Projektdauer | 01.11.2017 - 30.04.2020 |
Projektförderung | Gefördert durch das Bundesministerium für Bildung und Forschung (BMBF) |
Unser Status | Projektpartner |
Ansprechpartner | Marvin Kastner |
Partner | Beteiligte |
| |
Kooperationspartner
|
Kurzbeschreibung
In der Logistik gewinnt die Digitalisierung immer mehr an Bedeutung, sodass ein stetig höher werdender Bedarf an ausgebildetem Personal im Bereich des Maschinellen Lernens entsteht. Zusätzlich zu einem Modul werden innerhalb der Qualifizierungsmaßnahme Praxisprojekte angeboten werden, die es den Studierenden ermöglichen, das erlernte Wissen in konkreten und realitätsnahen Fallbeispielen aus der maritimen Welt anzuwenden.
Dabei liegt der methodische und inhaltliche Fokus auf dem Umgang mit großen Datenmengen, deren Klassifizierung und Korrelation sowie der Handhabung von Datenunsicherheiten. Darüber hinaus wird ein weiterführendes Angebot angestrebt, welches sich speziell an Universitätsabsolventen mit Berufserfahrung auf dem Gebiet der Datenanalyse richtet. Daneben soll das Forschungsprojekt "MaLiTuP" den Projektpartnern eine Erweiterung der eigenen Kompetenzen in dem Bereich der Big-Data-Analysen und Prognosen ermöglichen.
Veröffentlichungen (Auszug)
- Kastner, Marvin and Franzkeit, Janna and Lainé, Anna (2020). Teaching Machine Learning and Data Literacy to Students of Logistics using Jupyter Notebooks [DELFI Poster Award Winner]. In Zender, Raphael and Ifenthaler, Dirk and Leonhardt, Thiemo and Schumacher, Clara (Eds.) DELFI 2020 Gesellschaft für Informatik e.V.: Bonn 365-366 [Abstract]
[pdf] [www]
- Kastner, Marvin and Hensel, Tina (2020). MaLiTuP: Schlussbericht. [pdf] [doi] [www]
- Kastner, Marvin (2019). Prüfungen mit JupyterHub. TUHH: Blogbeitrag in INSIGHTS - Einblicke in Lehre und Forschung im digitalen Experimentierfeld der TUHH [www]
- Kastner, Marvin and Podleschny, Nicole (2019). Mit Jupyter Notebooks prüfen. Beitrag zur Poster-Session des e-Prüfungs-Symposiums (ePS) in Siegen. [Abstract]
[pdf] [doi] [www]
- Kastner, Marvin and Scheidweiler, Tina (2019). MaLiTuP: Machine Learning in Theory and Practice: Poster. All-Hands-Meeting Machine Learning 2019 [Abstract]
[pdf] [www]
- Kastner, Marvin and Scheidweiler, Tina and Burmeister, Hans-Christoph (2018). MaLiTuP: Machine Learning in Theory and Practice: Poster. Leibniz-Symposium “Maschinelles Lernen – Intelligente Digitalisierung” [Abstract]
[pdf] [www]