Anmelden

Diese Seite unterstützt Internet Explorer nicht mehr.

Data Science Tag 2019 / Hackathon

 

Header.JPG

Die Technische Hochschule Ulm lädt alle Interessierten zum Data-Science-Tag (DST) ein. Der DST richtet sich gleichermaßen an Fachpublikum, das bereits Erfahrungen im Data-Science-Umfeld sammeln konnte sowie an Studierende, die sich für dieses Gebiet interessieren. 

Ziel der Veranstaltung ist es, zum einen den Teilnehmern in Hands-on-Workshops Data-Science-Werzeuge wie z. B.  Python, R oder Spotfire näher zu bringen und mit Hilfe dieser Werkzeuge Fragestellungen wie z.B. Bilderkennung, Klassifikation oder Zeitreihenanalyse zu lösen.

Ein weiteres Ziel ist der Ausstausch über Erfahrungen in Projekten. Dafür werden Praktiker ihre Erfahrungen in konkreten Projekten im Rahmen von Vorträgen mit den Teilnehmern teilen. 

Parallel zum Programm wird ein Data Science Hackathon in Kooperation mit den Stadtwerken Ulm (SWU) durchgeführt. Hierbei gilt es Fragestellungen aus dem Geschäftsbetrieb der SWU mit Hilfe von Data Science zu beantworten (siehe unten).

Was, wo und wann?

Der DST findet am Freitag den 22. November 2019 an der Technischen Hochschule Ulm 

am Standort Albert-Einstein-Allee 55 in 89081 Ulm statt.


Das konkrete Progamm mit Workshops und Vorträgen sieht wie folgt aus:

Uhrzeit:
Programmpunkt
​Ort/Raum
08:30 bis
09:00
Empfang + Registrierung
​Foyer 
09:00 bis 09:15 Begrüßung
​Q023
09:15 bis 10:45
Workshops Teil I (siehe unten)
​Q015 / Q127
10:45
bis 11:00
Pause
11:00
bis 12:30 Workshops Teil II (siehe unten)
​Q015 / Q127
12:30
bis 13:30
Mittagspause und Networking
13:30
bis 14:15
Vortrag: Putting Machine Learning into production, Dr. Tobias Windisch, Robert Bosch GmbH
​Q029
14:15
bis
15:00 Vortrag: Explorative Datenanalyse in klinischen Studien mit Spotfire,

Andre Kooy, externer Consultant, Translational Medicine and Clinical Pharmacology, Boehringer Ingelheim Pharma GmbH & Co. KG

​Q029
15:00 bis 15:30
Pause
15:30
bis 16:15

Vortrag: Kombinatorische Optimierung – Künstliche Intelligenz jenseits von Machine Learning, Dr. Sven Dennis Kügler, EvoBus GmbH

​Q029
16:15
bis 17:00 Vortrag: Alphabetisierung für Daten - Projekt Data Literacy and Data Science für den Mittelstand, Prof. Dr. Reinhold von Schwerin, Technische Hochschule Ulm
​Q029
17:00 bis 17:15 Abschluss
​Q029


Workshops

Es werden parallel zwei Workshops stattfinden. Diese Workshops sind nach Einsteiger und Fortgeschritten untergliedert.

Level Einsteiger:

Teil 1

​​Spotfire – ein universelles Tool zur interaktiven Datenprozessierung und –visualisierung 


Dr. Thomas Arnhold, Andre Kooy, Elke Krug, Benjamin Wojtowicz 

Boehringer Ingelheim Pharma GmbH & Co. KG


​Spotfire Analytics ist eine kommerzielle Software-Plattform für Business-Intelligence-Lösungen zur systematischen Analyse von unternehmenseigenen und -fremden Daten. Die Software weist eine modulare Struktur auf. Im Gegensatz zum klassischen Ansatz der Business Intelligence-Lösungen, welche vorwiegend vergangenheitsorientiert und deskriptiv ausgerichtet sind, liegt einer der Schwerpunkte von TIBCO Spotfire in der Erzeugung prädiktiver Analysen. Damit ist die Software eher der Sparte "Business Analytics" oder "Data Discovery" zuzuordnen, wodurch sie ein bedeutendes Instrument in der pharmazeutischen Forschung, Entwicklung und auch Produktion geworden ist.


Die Anwendung der  Software wird in einem kleinen Demo-Workshop anhand von 2 Beispieldatensätzen gezeigt.

​Teil 2

Spam or Ham? - Maschinelles Lernen & Klassifizierung


​Korbianian Hitthaler, Voith und Oliver Schick


  • Haben Sie sich jemals gefragt, wie Ihre E-Mail-Filter Spam erkennen?
  • Neugierig, wie Kameras Gesichter erkennen?
  • Schon mal etwas über Betrugserkennung in Banken gelesen?

 

Diese und andere Probleme werden heute mit Machine Learning gelöst. Genauer gesagt mit Klassifizierung.

 

Klassifizierung ist der Prozess des Kategorisierens oder „Einordnens" einiger Elemente in eine vordefinierte Gruppe von Kategorien oder "Klassen".

(Auch wenn eine Maschine dies tut)

 

In diesem Workshop werden wir uns mit Python, Keras & Sklearn einige Verfahren und Fallstricke der Klassifizierung genauer ansehen.


Level Fortgeschritten:

Teil 1

Predictive Analytics für Unternehmensprozesse


​Joachim Rosskopf, Dr. Simon Müller
DataZoo

In vielen Situationen ist es erforderlich Aussagen über die Zukunft zu machen. Um zu entscheiden, ob in den kommenden Jahren ein neues Kraftwerk gebaut werden soll, erfordert Prognosen über die Energienachfrage. Wenn Sie in der kommenden Woche Ihre Vertriebler planen möchten, müssen Sie das Bestellverhalten vorhersagen. Die Planung eines Lagers erfordert Prognosen über den Bedarf. Vorhersagezeiträume reichen dabei von mehreren Jahren (Investitionen) bis zu  wenigen Minuten (IoT-Monitoring). Unabhängig vom fachlichen Kontext und Vorhersagezeiträumen sind Prognosen ein äußerst hilfreiches Instrument um effektiv und effizient zu planen. Dieser Workshop bietet eine Einführung in die Vorhersage von Zeitreihen mit R und gibt einen Ausblick zum Einsatz von DeepLearning-Methoden.
​Teil 2
​Image Classification with Convolutional Neural Networks

​Nela Reichsoellner 
Daimler TSS


​Classification refers to understanding the dominant information in an image, with the goal of 

answering the question “What is shown in this image?”.  One of the most popular techniques used in 

image classification are Convolutional Neural Networks (also known as ConvNets or CNNs). 

This workshop demonstrates how to train a CNN Model to classify images. 

The workflow of the workshop is based on practicing the main modelling steps, like data 

preprocessing, training setups, evaluation metrics and tests. 

After this workshop the participants have a basic understanding of the CNNs and first practical 

experiences with a CNN Classification Model. 

Bitte geben Sie bei der Anmeldung das gewünchste Workshop-Level an bzw. wählen Sie "Nur Vorträge", falls Sie erst am Nachmittag teilnehmen möchten.


Hackathon

Die Stadtwerke Ulm (SWU) stellen den Teilnehmer Fragen aus Ihrem Geschäftsbetrieb, die mit Hilfe von noch rohen Datensätzen beantwortet werden sollen. Hierzu bilden die Teilnehmer Teams und treten gegeneinander an. Am Ende der Veranstaltung stellen die Teams ihre Ergebnisse vor und die SWU verleihen einen Preis für die beste Lösung. Auch die anderen Teams werden nicht leer ausgehen. 

INTERNATIONALS_01.jpg

Programmablauf Hackathon

Uhrzeit:
Programmpunkt
Ort / Raum
08:30 bis
09:00
Empfang + Registrierung
​Foyer
09:00 bis 09:15 Ausgabe Hackathonthema ​Q 119
09:15 bis 12:15
Arbeit in Teams
​Campus AEA
12:15
bis 13:15 Mittagspause

13:15
bis
17:15
Arbeit in Teams
​Campus AEA
17:15
bis 18:45
Präsentation der Ergebnisse der Teams + Preisvergabe
​Q 029


Der Hackathon findet parallel zu den anderen Veranstaltungen statt, sodass eine gleichzeitige Teilnahme an Workshops und Hackathon nicht möglich ist. Sollten Sie am Hackathon teilnehmen wollen, melden Sie sich trotzdem zum Data Science Tag an und wählen Sie als Workshop (Hackathon) aus.

Der Data Science Tag hat bereits stattgefunden.

Quicklinks