Dr. Rusch
KI/Dm/ML
VHS

Datamining und ML als wesentliche KI-Teilgebiete

Auswerten von großen Daten(-Mengen) im Ingenieurwesen - gestern und heute

Seit jeher werden im Ingenieurwesen Daten verarbeitet - insbesondere in Entwicklung und Konstruktion und in der Betriebsüberwachung von Verfahren/Prozessen aller Art.

Die Qualität von neu entwickelten Produkten sowie Qualitätsbeständigkeit während der Lebensdauer von Produkten werden mittels Untersuchungen und Tests überwacht. Die dabei ermittelten Daten sind auszuwerten, um Bewertungsergebnisse zu einem Urteil zusammenfassen zu können.

Bei der Überwachung von Fertigungsverfahren und anderer technischer Prozesse fallen ununterbrochen über 24/7 große Mengen an Daten an, die zu bewerten sind, um insbesondere eine konstant hohe Produktqualität zu gewährleisten.

Meine Kernkompetenz:
Datamining und Maschinelles Lernen
Erstellen und Projektbetreuung
von Anwendungen
der Künstlichen Intelligenz

Datamining/ML - in der heutigen Zeit einfach unverzichtbar!

Datamining/ML ergänzt oder ersetzt gar die traditionellen Methoden der Ingenieurwissenschaften:
Verschiedene Philosophien
Wesen des Datamining/ML
Daten, Daten, Daten, ...
Herkömmliche Methoden der Datenverarbeitung wenden feste Regeln und geschlossene Formeln unter Kenntnis der Ursache-Wirkung-Kette an.

Beim Datamining/ML sind das Modell der Aufgabenstellung und deren Ursache-Wirkung-Kette unbekannt.
Die Methoden des Datamining/ML sind darauf gerichtet, die den vorliegenden Daten innewohnenden, dem Schöpfer der Anwendung unbekannten, Zusammenhänge zu erkennen und durch das Anlernen in für die jeweilige Methode typischen Parametern zu speichern und so anzuwenden.
Um dem Wesen der Methoden des Datamining/KI gerecht zu werden, müssen große Datenmengen bereitstehen, die die innewohnenden Gesetzmäßigkeiten in möglichst vielschichtigen Zusammenhängen repräsentieren und so das fundierte Anlernen der KI-Methode erlauben.
CRISP-DM der Standard
Vielfälltige Methoden
Klassifikation vs. Regression
Projekte zum Erstellen von KI-Anwendungen bzw. zum Lösen von Aufgabenstellungen mittels Datamining/ML verlaufen nach dem Standard CRISP-DM: Business Understanding, Data-Understanding, Data-Preparation, Modelling, Evaluation, Deployment.
Im Datamining/ML stehen zahlreiche Methoden zur Auswahl, die je nach ihrer Spezifika optimal auf die jeweilige Aufgabenstellung angepasst werden können. Neuronale Netze sind z. B. wegen ihrer hoben Flexibilität sehr bekannt, Entscheidungsbäume wegen ihrer Transparenz.
Zum Lösen von Aufgaben über Datamining/ML werden die Probleme entweder auf eine Klassifikation (binär oder mehrfach) oder eine Regression zurückgeführt. Davon hängt auch die Wahl der Methode und deren Parametrisierung ab. Viele Aufgaben sind Zeitreihenanalysen.
Dr. Rusch
Dr. Rusch
VHS
Haftungsausschluss
Impressum
Kontakt
Anwendungen
KI/Dm/ML
Meine Leistung