Modulbeschreibung

Internet of Things und Analytics Demonstrators

Kurzzeichen:
M_VP_17712
ECTS-Credits:
18
Leitidee:

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.
Modulverantwortung:
Frick Klaus
Standort (angeboten):
Buchs
Zusätzliche Eingangskompetenzen:

Bachelor of Science in Systemtechnik

Modultyp:
Wahlpflicht-Modul für MSE Master of Science in Engineering BB STD_08 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für MSE Master of Science in Engineering BB STD_13 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für MSE Master of Science in Engineering BB STD_16 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für MSE Master of Science in Engineering VZ STD_08 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für MSE Master of Science in Engineering VZ STD_13 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für MSE Master of Science in Engineering VZ STD_16 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für Technik und IT MSE_20(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Modulbewertung:
Note von 1 - 6

Leistungsnachweise und deren Gewichtung

Während der Unterrichtsphase:

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:

Inhalte

Angestrebte Lernergebnisse (Abschlusskompetenzen):

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.
Modul- und Lerninhalt:
  • Machine Learning
  • MS Azure