Die Nadel im Heuhaufen: 18k signals - an average day of an automotive engineer

Wer einmal mit Daten gearbeitet hat weiß, Daten sind wie Haustiere. Sie müssen gepflegt werden, man füttert seine Datenbank regelmäßig und muss darauf achten, dass sie trotzdem immer sauber ist. Wer einmal mit Zeitserien gearbeitet hat weiß, dass diese noch um einiges komplexer sind als andere „Haustiere“.

In unserem täglichen Aufgabenfeld haben wir mit Zeitserien zu tun, die durchschnittlich 18k Signale enthalten. Wie findet man jetzt heraus, welches die wichtigen Signale sind, um die man sich besonders kümmern muss? Natürlich mithilfe von Machine Learning – schaut es euch an.

Vorkenntnisse

Know-how im Bereich des maschinellen Lernens, der Zeitserien und Baumalgorithmen ist vorteilhaft.

Lernziele

Der Zuhörer ist nach dem Vortrag in der Lage, aus vielen Features mithilfe von Machine Learning die signifikanten auszuwählen.

 

Speaker

 

Niklas Melcher
Niklas Melcher arbeitet zurzeit in einem Data Science Team bei der IAV GmbH in Gifhorn. Er verwendet bei der Umsetzung von Kundenprojekten aktuelle Open Source Frameworks und ist hierfür auch als Consultant tätig.

Gold-Sponsoren

HMS
Structr

Silber-Sponsoren

codecentric
Phytec
*um

Bronze-Sponsor

incontext.technology GmbH

data2day-Newsletter

Sie möchten über die data2day
auf dem Laufenden gehalten werden?

 

Anmelden