Inhalt

Der berufsbegleitende Zertifikatskurs „Smart Data Academy“ soll Unternehmen dabei unterstützen, vorhandene Potenziale zu verstehen und für sich nutzbar zu machen. Bereits 2021 wurde das Förderprojekt „digital.Ing“ vom Freistaat Bayern und der vbw – Vereinigung der Bayerischen Wirtschaft e. V. ins Leben gerufen. Sein Ziel ist es, akademische Weiterbildungsangebote für Ingenieur*innen sowie Techniker*innen an bayerischen Hochschulen auszubauen oder neu zu konzeptionieren.

Die Weiterbildungsmaßnahme findet als Präsenzkurs statt und wird durch eine Materialiensammlung im e-Learning der Universität Bayreuth unterstützt. Innovativ, praxisnah und digital nimmt dieses Programm Bezug auf die aktuelle Situation der Teilnehmenden und versucht diese und deren Kenntnisstand bestmöglich in die Ausgestaltung des Kurses miteinzubeziehen.

Ziel des Kurses ist es, den Teilnehmenden grundlegende Fähigkeiten rund um die Themen Big Data, Data Science, Datenveredelung, Machine Learning und künstliche Intelligenz zu vermitteln. Dafür wird eine Potenzialanalyse der teilnehmenden Unternehmen durchgeführt und es werden verschiedene Methoden der Datenakquise und Techniken der Datenvisualisierung vermittelt.

Modulübersicht

Modul 1: Big Data Einklappen

Begrifflichkeiten und Definition von Big Data im Kontext von Business Intelligence und Data Mining
(Big) Data Management in Unternehmen: Anforderungen, Dateisysteme und Datenbanken
Überblick über Big Data Systeme und Architekturen (z.B. Data Warehouse und Data Lakes)
Datenverarbeitungsmethoden in Big Data: Von Theorie zu praxisnahen Anwendungsbeispielen
Einführung in IT-Sicherheit und Data Governance im Kontext von Big Data

Modul 2: Lean Data Einklappen

Einführung in das Gebiet Data Science
Methoden des Data Mining: Crisp-DM, SEMMA, KDD und BAM.AI
Herausforderungen, Potenziale und ein Leitfaden für den erfolgreichen Einsatz von Künstlicher Intelligenz (KI)
Praktische Anwendung: Identifizierung von Anwendungsfällen im eigenen Unternehmen und Vorstellung einer Fallstudie

Modul 3: Smarte Datengewinnung Einklappen

Aufbau eines Verständnisses für Daten und Identifizierung möglicher Datenquellen im Unternehmen
Techniken der Datenerfassung und Signalverarbeitung in einem produzierenden Umfeld
Wesentliche Aufgaben bei der Datenaufbereitung, einschließlich Datenbereinigung und -transformation
Praxisorientierte Demonstration unterschiedlicher Datenaufnahmemethoden (z.B. Beschleunigungs- und Stromsensoren) und Aufbereitung von Daten (Fallstudie)

Modul 4: Intelligente Datenwertschöpfung Einklappen

Methoden zur Datenveredelung, inklusive Feature Selection und Extraction
Grundlagen ausgewählter Machine Learning Verfahren
Übersicht zu gängigen Entwicklungsumgebungen wie JupyterLab
Praktische Umsetzung von Machine-Learning-Modellen und anschließende Evaluation der Ergebnisse anhand der Fallstudie

Modul 5: Effiziente Datenverwertung Einklappen

Einführung in die Datenvisualisierung
Auswahl geeigneter Diagrammtypen und effiziente Darstellung großer Datenmengen
Nutzung von Dashboards zur Datenvisualisierung
Identifizierung von geeigneten Schnittstellen zwischen Mensch und Maschine
Praktische Umsetzung: Visualisierung Fallstudie-Ergebnisse in Dashboards sowie Demonstration der Lernfabrik im Technikum des Lehrstuhls

Verantwortlich für die Redaktion: Katrin Anton, Telefon: 7533