Im Wintersemester war ich erneut an der Vorlesung “Industrial Data Science” an der TU Dortmund beteiligt.

Es handelt sich dabei um ein interdisziplinäres Modul mit den Fakultäten Maschinenbau, Statistik und Informatik.

Mit vier Vorlesungseinheiten habe ich hier etwas ein Viertel der Veranstaltung gehalten, vorwiegend vertiefende Teile.

Für meine Teile habe ich Vorlesungsaufzeichnungen, die ich jetzt auch (teilweise aber in einer “zensierten” Version) derzeit auch auf YouTube hochgeladen habe. Die Vorlesungssprache dieses Moduls ist Deutsch.

Begleitet wird die Vorlesung von einem Übungsbetrieb, und die Prüfung erfolgte dieses Semester in einer Online-Klausur aufgrund von Corona.

9-1 Klassifikation Einleitung, Overfitting und Evaluation – Industrial Data Science

9-2 Entscheidungsbäume Grundlagen – Industrial Data Science

9-3 Lernen von Entscheidungsbäumen – Industrial Data Science

9-4 Beispiel für Entscheidungsbäume –Industrial Data Science

9-5 Random Forests und Gradient Boosting – Industrial Data Science

9-6 Zusammenfassung Entscheidungsbäume – Industrial Data Science

10-0 Motivation Warenkorbanalyse – Industrial Data Science

10-1 Warenkorbanalyse Einleitung – Industrial Data Science

10-2 Apriori-Algorithmus zur Warenkorbanalyse – Industrial Data Science

10-3 Beispiel Warenkorbanalyse – NetFlix – Industrial Data Science

10-4 Assoziationsregeln – Industrial Data Science

10-5 Fazit Warenkorbanalyse & Assoziationsregeln – Industrial Data Science

11-1 Motivation Clusteranalyse – Industrial Data Science

11-2 Subjektivität von Clustern – Es gibt nicht das “richtige” Clustering – Industrial Data Science

11-3 Hierarchisches Clustering – Industrial Data Science

11-4 Beispiel Hierarchisches Clustering mit AGNES – Industrial Data Science

11-5 k-Means Clustering – Industrial Data Science

11-6 Gaußsche Mischmodelle im Clustering – Industrial Data Science

11-7 Dichtebasiertes Clustering mit DBSCAN – Industrial Data Science

11-8 Themenanalyse / Topic Modeling mit LDA – Industrial Data Science

11-9 Fazit Clusteranalyse – Industrial Data Science

13-1 Motivation Lineare Klassifikation – Industrial Data Science

13-2 Stützvektormaschinen / Support Vector Machines / SVM – Industrial Data Science

13-3 Soft-Margin und Kernelfunktionen bei SVMs – Industrial Data Science

13-4 Einleitung Neuronale Netze – Industrial Data Science

13-5 Aktivierungsfunktionen für Neuronale Netze – Industrial Data Science

13-6 Trainieren Neuronaler Netze mittels Backpropagation – Industrial Data Science

13-7 Deep Learning Überblick – Industrial Data Science