Künstliche Intelligenz und Data Science

Absolvent*innen erwerben fundierte, ganzheitlich orientierte Kenntnisse im Themenbereich „Datenanalyse“. Das beginnt mit den grundlegenden Konzepten und Methoden der Statistik, vor allem deskriptiver Statistik, Schätztheorie und dem Testen statistischer Hypothesen. Daran schließen die Grundlagen von Data Mining, künstlicher Intelligenz und maschinellem Lernen an, wobei sowohl überwachte (supervised), als auch nicht-überwachte (unsupervised) Lernmethoden erarbeitet werden. Besonderes Augenmerk liegt dabei stets auf typischen Anwendungsbereichen in Wissenschaft und Wirtschaft, auf Datenvorverarbeitung und -modellierung ebenso wie auf Merkmalsidentifikation. Durch die Behandlung kritischer Faktoren für erfolgreiches Data Mining und des Cross-Industry Standard Process Models for Data Mining (CRISP-DM) kommt auch die Business-Perspektive nicht zu kurz. Letztendlich werden diese Kenntnisse in Richtung aktueller Entwicklungen im Bereich Neuronaler Netze und Deep Learning erweitert. In allen Lehrveranstaltungen liegt besonderes Augenmerk darauf, Methoden zielgerichtet einsetzen und deren Ergebnisse richtig interpretieren zu können. Abgerundet wird das Thema durch fundierte Kenntnisse der Methoden zur Verarbeitung unstrukturierter Daten. Das schließt Crawling und Ranking im Web ein, vor allem aber Methoden zur schrittweisen, maschinellen Segmentierung, Klassifikation und Extraktion von Information aus natürlichsprachlichen Texten.