Kategorie: Lehre und Fortbildung

Berufspraxiskolloquium – Ein Ausflug in die Optimierung

Berufspraxiskolloquium – Ein Ausflug in die Optimierung

In langjähriger Tradition der Fachgruppe Mathematik & Informatik an der Universität Wuppertal konnte das Berufspraxiskolloquium auch im Wintersemester 2021/2022 angeboten werden. Bei diesem Angebot erhalten Interessierte Einblicke in Unternehmen und Studierenden werden frühzeitig berufliche Perspektiven aufgezeigt. Dies unterstützt sie bei der späteren Berufswahl oder Schwerpunktfindung im eigenen Studiengang.

Am Dienstag, den 11.01.22, hat Herr Dr. Sven Flake (Analytics Senior Consultant – Project Manager) von der OPTANO GmbH einen kleinen Einblick in die Arbeitswelt des Paderborner IT-Unternehmens gegeben. In einer Hybridveranstaltung hatten Interessierte die Möglichkeit, mehr über die mathematischen Herausforderungen bei OPTANO zu erfahren. In angenehmer Atmosphäre zeigte Dr. Flake (Promotion in Informatik) Beispiele aus der täglichen Arbeit bei dem Paderborner IT-Unternehmen OPTANO. Zusammen mit einem Team aus Mathematiker:innen, Informatiker:innen und Wirtschaftswissenschaftler:innen verwandeln sie mathematisches Insiderwissen in maßgeschneiderte Optimierungssoftware für ihre Kunden. Die Problemstellungen kommen dabei aus sehr unterschiedlichen Bereichen, wie z. B. der Logistik, dem Energiesektor oder dem Bereich Automotive. Im Anschluss an den Vortrag hat Herr Flake sich noch viel Zeit genommen und Rede und Antwort für die vielen Fragen gestanden. Die Möglichkeit Fragen zum Beispiel zum persönlichen Berufsweg von Herrn Flake und der Tätigkeit zu stellen, wurde von den Zuhörer:innen rege genutzt.

Data Analytics Projekt mit Studierenden der Bergischen Universität Wuppertal im Wintersemester

Data Analytics Projekt mit Studierenden der Bergischen Universität Wuppertal (Okt. 17-Februar 18)

23 Studierende der Fächer Mathematik und Wirtschaftsmathematik nehmen in diesem Wintersemester am Projektseminar Data Analytics der Bergischen Universität Teil. Teams von bis zu 5 Studierenden werden in regionale Unternehmen zu deren Standorten eingeladen und mit einer Fragestellung aus dem Bereich Data Analytics konfrontiert. Die Industriepartner kommen aus verschiedenen Bereichen wie Energie, Handel, Dienstleistung und Produktion. Die Studierenden analysieren die Daten und präsentieren ihre Ergebnisse in verständlicher Sprache den Auftraggebern.

Dieses Format wird alle zwei Jahre wiederholt. Zurzeit läuft die vierte Runde. Insgesamt haben mehr als ein Dutzend Unternehmen als Auftraggeber an dem Seminar teilgenommen.

Kontakt: Hanno Gottschalk, hanno.gottschalk@uni-wuppertal.de

Geostatistisches Data Analytics Projekt mit dem Gutachterausschuss in der Stadt Wuppertal im Rahmen einer Abschlussarbeit

Geostatistisches Data Analytics Projekt mit dem Gutachterausschuss in der Stadt Wuppertal im Rahmen einer Abschlussarbeit

Aufgabe des Gutachterausschusses für Grundstückswerte ist Schaffung von Markttransparenz auf dem Grundstücksmarkt sowie die Feststellung von Verkehrswerten von Immobilien.
Datengrundlage bilden die notariell beurkundeten Kaufverträge aller Immobilien in Wuppertal, die über viele Jahre gesammelt wurden. In die Bewertung gehen jedoch zahlreiche Ausstattungsmerkmale der Immobilie sowie Faktoren wie die Lage und deren sozioökonomische Eigenschaften ein. In ihrer Bachelorarbeit untersuchte Claudia Drygala, Studentin im Fach Wirtschaftsmathematik der BUW, gemeinsam mit dem Gutachterausschuss diesen hochdimensionalen Datensatz nach statistischen Abhängigkeiten und leitete ein Modell zur Prognose von Immobilienwerten ab. Dieses mathematische Modell wurde mit statistischen Tests abgesichert und die Ergebnisse mit Hilfe von Datenformaten aus der Geoinformatik visualisiert. Der Betreuer vom Gutachterausschuss, Holger Wanzke, und Hanno Gottschalk von der BUW bewerten diese neue Zusammenarbeit als äußerst positiv und freuen sich auf eine Fortsetzung.

Vorlesung Deep Learning for Mathematicians im Sommersemester an der BUW

Vorlesung Deep Learning for Mathematicians im Sommersemester an der BUW

Deep Learning entwickelte sich aus der Neuroinformatik und Forschung zur künstlichen Intelligenz. Häufig wird die KI dabei als ‚Black Box‘ dargestellt, bei der man nicht verstehen kann, warum sie in der Lage ist bestimmte Probleme zu lösen. Mit unserer Vorlesung an der Bergischen Universität möchten wir die Teile der KI-Forschung identifizieren, die auf gesicherten mathematischen Grundlagen stehen – z.B. die Fähigkeit von großen Neuronalen Netzen, beliebige Funktionen zu approximieren, sowie das genaue Funktionieren von ‚Lernalgorithmen‘, das ‚No Free Lunch‘-Theorem oder den Zusammenhang zwischen Symmetrie und Convolutional Neural Networks.  Zur Vorlesung gibt es praktische Übungen mit aktuellen Tools für Deep Learning (Keras/Tensorflow).

Vorlesung Maschinelles Lernen und Data Mining am Campus Velbert/Heiligenhaus im Wintersemester

Vorlesung Maschinelles Lernen und Data Mining am Campus Velbert/Heiligenhaus im Wintersemester

Jedes Wintersemester findet am Campus Velbert/Heiligenhaus (CVH) die Veranstaltung Maschinelles Lernen und Data Mining im Bachelor Technische Informatik sowie Mechatronik & IT statt. Hierbei werden insbesondere klassische Verfahren des maschinellen Lernens wie Random Forest oder neuronale Netze auf der Basis strukturierter Daten besprochen. Die Umsetzung erfolgt mittels Python und kann auf dem eigenen Notebook nachvollzogen werden. Vorlesungen dieser Art sind generell öffentlich und können auch als Gasthörer bei Interesse besucht werden. Dozent ist Jörg Frochte.

Vorlesung Angewandte KI am Campus Velbert/Heiligenhaus im Wintersemester

Vorlesung Angewandte KI am Campus Velbert/Heiligenhaus im Wintersemester

Im Wintersemester wird am Campus Velbert/Heiligenhaus (CVH) die Veranstaltung Angewandte KI im Rahmen des Master-Studiums angeboten. Dem Schwerpunkt bilden Deep Learning Verfahren und Reinforcement Learning in Zusammenhang mit Softwareagenten, als Nebenthema wird auch auf Bilderkennung mit Convolutional Neural Network (CNN) eingegangen. Praxisnahe Anwendungsfälle werden dabei in Zusammenarbeit mit den Kollegen von der Robotik, Fahrzeug- und Automatisierungstechnik vom CVH angeboten. Die Umsetzung erfolgt mittels Python und Keras. Seit 2018 steht auch ein Server mit Tesla-GPU-Unterstützung in der Veranstaltung zur Verfügung. Dozent ist Jörg Frochte. Voraussetzung für die Teilnahme sind Grundlegende Kenntnisse über klassische Verfahren des maschinellen Lernens.