Maschinelles Lernen in der Logistik
Dozent | Prof. Dr.-Ing. Carlos Jahn |
Ansprechpartner | Marvin Kastner, Shubhangi Gupta |
Zielgruppe | LIM / IWI / DS / IMPMEC |
Veranstaltungsart | Vorlesung & Übung |
Name der Vorlesung | Digitalisierung in Verkehr und Logistik |
Name der Übung | Maschinelles Lernen in der Logistik |
in Kooperation mit | Institut für Softwaresysteme |
Veranstaltungssemester | Wintersemester |
Sprache | Englisch |
Credit Points | 6 ECTS |
Prüfungsform | Klausur (Anteile mit Laptop) |
Kurzbeschreibung
Thema der Vorlesung ist die quantitative Analyse verschiedenartiger Daten, die im Bereich Verkehr und Logistik auftreten. Hierbei wird der Fokus auf Probleme der maritimen Logistik liegen. Die Studierenden sollen befähigt werden, die erlernten Methoden bzgl. ihrer Nutzbarkeit in konkreten unternehmensrelevanten Kontexten zu bewerten und dazu Anforderungen und Potentiale einer effektiven Anwendung zu kennen bzw. ableiten zu können; beispielsweise bezogen auf Data-Mining Ansätze für das Controlling oder Forecasting-Ansätze für die betriebliche Planung von Unternehmen.
Im Rahmen des Moduls "Maschinelles Lernen in der Logistik" werden die Studenten zunächst in eine Auswahl von Methoden des Maschinellen Lernens eingeführt. Dies passiert in der Vorlesung "Grundlagen des maschinellen Lernens" des Instituts für Software-Systeme. Im zweiten Teil des Semesters wird in der Vorlesung "Digitalisierung in Verkehr und Logistik" der Schritt in die Fachdomäne vollzogen. Vorlesungsbegleitend findet die Übung "Maschinelles Lernen in der Logistik" statt. Hier werden Jupyter Notebooks eingesetzt, um den Studierenden die optimale Voraussetzung zur Datenexploration zu bieten.
Inhalte
- Maschinelles Lernen in der Wissenschaft und der Industrie
- Zeitreihen im Verkehr
- Bewegungsdaten
- Bilderkennung und Feature Engineering
- Anomalie-Detektion
Literatur
[106703] |
Title: Outlier Analysis. |
Written by: Aggarwal, Charu C. |
in: (2017). |
Volume: Number: |
on pages: |
Chapter: |
Editor: |
Publisher: Springer International Publishing Switzerland: |
Series: |
Address: Cham |
Edition: Second edition |
ISBN: 978-3-319-47578-3 |
how published: |
Organization: |
School: |
Institution: |
Type: |
DOI: |
URL: https://www.springer.com/de/book/9783319475776 |
ARXIVID: |
PMID: |
Note: DigitalisierunginVerkehrundLogistik
Abstract: