Modulbeschreibung
Internet of Things und Analytics Demonstrators
Kürzel:
M_VP_17712
Durchführungszeitraum:
HS/17
ECTS-Punkte:
18
Lernziele:
Die Studierenden
- können Daten von einem Sensor auslesen, übertragen, vorverarbeiten und (im Cloud-Dienst MS Azure) speichern.
- können die Grundprinzipien der beschreibenden Statistik. Visualisierung und Vorverarbeitung realer Daten (auf der Cloud) verwenden.
- können eine reale Fragestellung als ein supervised bzw. unsupervised learning - Problem formulieren.
- können die wichtigsten Methoden der Modellvalidierung (Kreuzvalidierung, validation set Ansatz, Bootstrapping) einsetzen.
- können Machine Learning Methoden in einer geeigneten Programmiersprache implementieren und auf einer Cloud Platform (MS Azure) anwenden.
Verantwortliche Person:
Frick Klaus
Standort (angeboten):
Buchs
Zusätzlich vorausgesetzte Kenntnisse:
Bachelor of Science in Systemtechnik
Modultyp:
Standard-Modul für MSE Master of Science in Engineering BB STD_08 (BU)(Keine Semesterempfehlung)
Standard-Modul für MSE Master of Science in Engineering BB STD_16 (BU)(Keine Semesterempfehlung)
Standard-Modul für MSE Master of Science in Engineering BB STD_13 (BU)(Keine Semesterempfehlung)
Standard-Modul für MSE Master of Science in Engineering VZ STD_08 (BU)(Keine Semesterempfehlung)
Standard-Modul für MSE Master of Science in Engineering VZ STD_16 (BU)(Keine Semesterempfehlung)
Standard-Modul für MSE Master of Science in Engineering VZ STD_13 (BU)(Keine Semesterempfehlung)
Standard-Modul für Technik und IT MSE_20(Keine Semesterempfehlung)
ECTS-Punkte pro Kategorie
Fachliche Vertiefung / 18 Punkte
Fachliche Vertiefung / 18 Punkte
Fachliche Vertiefung / 18 Punkte
Fachliche Vertiefung / 18 Punkte
Fachliche Vertiefung / 18 Punkte
Fachliche Vertiefung / 18 Punkte
Fachliche Vertiefung / 18 Punkte
Modulbewertung
Bewertungsart:
Note von 1 - 6
Leistungsbewertung
Während des Semesters:
Im Kurs "IoT und Analytics Demonstrators“ wird ein Projekt mittels Bericht und Fachgespräch bewertet. Im Kurs "Grundlagen Statistical Learning“ wird ein Fachgespräch bewertet.
Bewertungsart:
Note von 1 - 6
Gewichtung:
Im Kurs "IoT und Analytics Demonstrators“ wird ein Projekt mittels Bericht (Gewicht 64%) und Fachgespräch (Gewicht 16%) bewertet. Im Kurs "Grundlagen Statistical Learning“ wird ein Fachgespräch (Gewicht 20%) bewertet.
Bemerkungen:
Kurse in diesem Modul
IoT und Analytics Demonstrators
Kürzel:
VP_1771201
Arbeitsaufwand:
420
Semester:
1
Lernziele:
Die Studierenden
- können Daten von einem Sensor auslesen, übertragen, vorverarbeiten und (im Cloud-Dienst MS Azure) speichern.
- können die Grundprinzipien der beschreibenden Statistik Visualisierung und Vorverarbeitung realer Daten (auf der Cloud) verwenden.
- können Machine Learning Algorithmen (z.B. in Python) auf der Cloud durchführen.
Plan und Lerninhalt:
- Machine Learning
- MS Azure
Kursart:
Durchführung gemäss Stundenplan
Projekt mit Lektionen pro Woche
- Max. Teilnehmer: 99
- Harte Grenze: nein
Grundlagen Statistical Learning
Kürzel:
VP_1771202
Arbeitsaufwand:
120
Semester:
1
Lernziele:
Die Studierenden
- erlernen die Grundzüge multivariater Statistik und deren Anwendung im maschinellen Lernen.
- erlernen die Grundlagen der Programmiersprache Python.
- realisieren ein einfaches Maschine Learning Projekt in Python.
Plan und Lerninhalt:
Hydrodynamische Grundlagen
- Machine Learning
- Python
- Multivariate Statistik
Kursart:
Durchführung gemäss Stundenplan
Selbststudium mit Lektionen pro Woche
- Max. Teilnehmer: 99
- Harte Grenze: nein