Modulbeschreibung

Data Engineering and Industrial Artificial Intelligence 1

ECTS-Credits:
4
Lernziele:

Die Kurse IoT & Scientific Computing kombiniert zwei essenzielle Bereiche der modernen Ingenieurwissenschaften: die Vernetzung und Echtzeit-Datenverarbeitung durch das Internet der Dinge (IoT) sowie die algorithmische Modellierung und Analyse technischer Systeme im wissenschaftlichen Rechnen. Studierende erwerben theoretische und praktische Kompetenzen, um Sensordaten effizient zu erfassen, zu verarbeiten und mit fortgeschrittenen numerischen Methoden auszuwerten. 

Der Kurs IoT & Edge Computing vermittelt Konzepte zur Vernetzung intelligenter Systeme in Anwendungen wie Industrie 4.0, Smart Health, Smart Grids und Smart Cities. Dabei stehen die Architektur und Implementierung verteilter Sensornetzwerke, Echtzeit-Datenanalyse sowie Edge-Computing-Technologien zur lokalen Vorverarbeitung im Mittelpunkt. Studierende lernen, wie Sensordaten effizient erfasst, verarbeitet und in vernetzten Systemen genutzt werden. 

Der Kurs Scientific Computing vertieft die algorithmischen Grundlagen für die Analyse komplexer Datenmengen. Ein besonderer Fokus liegt auf Datenstrukturen (z. B. Listen, Graphen, Heaps) und Algorithmendesign (iterativ, rekursiv, funktional) als Basis für effiziente Berechnungen. Darüber hinaus werden Methoden der extensiven und informierten Suche behandelt, um komplexe Optimierungsprobleme zu lösen – ein zentraler Einstieg in die Welt des Maschinellen Lernens. Studierende lernen, wie numerische Simulationen mit strukturierten Daten effizient durchgeführt werden und wie fortgeschrittene Such- und Optimierungsalgorithmen zur Lösung realer Ingenieurprobleme eingesetzt werden können. 

Durch die enge Verknüpfung beider Themenbereiche verstehen Studierende, wie IoT-Daten durch wissenschaftliche Algorithmen analysiert und interpretiert werden können. Sie entwickeln praxisnahe Anwendungen, die Sensordaten in Echtzeit verarbeiten und numerische Methoden zur Entscheidungsfindung nutzen. Das Modul bereitet somit auf fortgeschrittene Anwendungsfelder wie Maschinelles Lernen, intelligente Steuerungssysteme und datengetriebene Simulationen vor. 

Kurse in diesem Modul

Scientific Computing:
  • Einführung Algorithmen und Komplexität, Zahlendarstellung 
  • Rekursion und Backtracking: Nullstellensuche 
  • Kondition eines Problems und Komplexitätsanalyse 
  • Lineare Datenstrukturen (queue, stack, heap) 
  • Graphen als Datenstrukturen 
  • Suche auf Graphen (BFS, DFS, A*) 
  • Graphenalgorithmen: z.B. Diijkstra, Page Rank 
  • Polynom-Interpolation: Lagrange-Polynome 
  • Integration: Quadraturregeln und Gauss Integration
  • Einführung in die Vektorräume orthogonaler Polynome (Basisfunktionen) 
  • Kubische Splines und B-Splines 
  • Symbolisches Lösen (sympy) 
Klassenunterricht mit 2 Lektionen pro Woche
IoT & Edge Computing:
  • Einführung in das Internet der Dinge (IoT) und seine Rolle im Alltag, sowohl im privaten als auch im industriellen Bereich.
  • Erläuterung der zentralen Komponenten des IoT und seiner Integration in verschiedene Lebensbereiche.
  • Grundlegende Konzepte der Computerkommunikation und deren Bedeutung für IoT-Kommunikationsprotokolle.
  • Vorstellung gängiger Interaktionsmuster und relevanter IoT-Plattformen.
  • Einführung in das Edge-, Fog- und Cloud-Computing im Kontext von IoT.
  • Diskussion der Sicherheitsaspekte von IoT-Systemen und Best Practices zur Sicherstellung von Datensicherheit.
  • Praxisorientierte Übungen mit einem Mikrocontroller-Board zur Anwendung des theoretischen Wissens.
Klassenunterricht mit 2 Lektionen pro Woche
Disclaimer

Diese Beschreibung ist rechtlich nicht verbindlich! Weitere Informationen finden Sie in der detaillierten Modulbeschreibung.