MSE Vertiefung Data Science und Machine Learning

Daten – das Öl des 21. Jahrhunderts. Im Zeitalter der Digitalisierung steht eine Ressource im Übermass zur Verfügung: Daten. Data Science bezeichnet die Disziplin, aus oft unstrukturierten Daten Information und Wissen und damit letztendlich Mehrwert zu generieren. Maschinelles Lernen ist eine Teildisziplin der künstlichen Intelligenz, die genau dafür Werkzeuge zur Verfügung stellt: Selbstlernende Algorithmen, mit deren Hilfe Daten interpretiert, Muster extrahiert und schliesslich Vorhersagen für die Zukunft getroffen werden.  Eine Herausforderung dabei ist neben den komplexen Strukturen auch die schiere Menge der Daten und die Geschwindigkeit ihres Entstehens. Vor diesem Hintergrund spricht man deshalb auch von Big Data: Das Datenvolumen ist ein Teil des Problems.

Aus unstrukturierten Bilddaten werden Kennzahlen (Features) zum maschinellen Lernen berechnet.

Machine Learning und Big Data sind längst in unserem Alltag angekommen: Google, Netflix, Facebook & Co. sind wahre Meister der Datenanalyse und beschäftigen Heerscharen von Mathematikern und Statistikern, um ihre Daten zu durchforsten. Als Benutzer von Smartphones kommen wir tagtäglich in den Genuss von künstlicher Intelligenz in Form von maschinellem Lernen. In der Industrie bzw. im Ingenieurswesen allgemein befinden wir uns momentan noch in der Pionierphase von Data Science. Typische Fragstellungen hier sind:

  • Kann ein Ausfall einer Produktionsmaschine bereits im Voraus anhand der Muster in Sensordaten erkannt und können gegebenenfalls kostenoptimierte und Ressourcen-schonende Wartungsintervalle geplant werden?
  • Können teure Sensoren eingespart werden, indem man die reale Messung durch eine virtuelle Messung ersetzt? Sind die Korrelationen zwischen den Sensorwerten so stark, dass mittels historischen Daten ein sogenannter Softsensor trainiert werden kann?
  • Wie können Regel- und Steuerungsalgorithmen mit unstrukturierten Inputdaten generiert werden? Wie kann ein Computer anhand von unzähligen Bildern, Ton- und Vibrationsaufnahmen entscheiden, in welchem Zustand sich ein Gerät, eine Produktionsanlage, eine Szene im Strassenverkehr o.ä. befindet? 
  • Wie können menschliche Entscheidungen und Bauchgefühl z.B. in der Qualitätskontrolle von einem Computer erlernt und in einem Bruchteil der Zeit ausgeführt werden?
Aus Strom- und Spannungsmessungen an der Hauptleitung werden die Verbraucher im Inneren des Hauses mittels Clustering ermittelt.

Zentrale Module – die Grundlagen. Als Studentin oder Student im MSE haben Sie die Möglichkeit, sich im Bereich Data Science auszubilden. Zum einen ist dies über die zentralen Module, die in Zürich unterrichtet werden, möglich. Hier empfehlen wir insbesondere die folgenden Module.

Theoretische Grundlagen (FTP):

Technisch wissenschaftliche Vertiefung (TSM):

Vertiefunsprojekte und Masterarbeit – die Meisterschaft. Zusätzlich können Sie sich im Rahmen von Vertiefungsprojekten bzw. ihrer Masterarbeit im Gebiet Data Science vertiefen. Wir bieten Ihnen die Möglichkeit gemäss Ihrer Interessen und auf Wunsch mit oder ohne Industriepartner über den Tellerrand zu blicken. Es besteht für Sie die Möglichkeit cutting-edge Verfahren wie Deep Neural Nets, Reinforcement Learning oder Autoencoding von Grund auf zu erlernen und mit zeitgemässen Programmiersprachen wie Python oder R zu implementieren. Sie lernen wie man mit großen Datenmengen umgeht, diese visualisiert und reduziert, was man unter Edge-Computing versteht, wie man «smarte» Devices baut und diese im Alltag bzw. im Unternehmen einsetzen kann, u.v.m.  Anders gesagt: Sie erhalten bei uns die Möglichkeit, sich zum Data Analyst im industriellen Umfeld zu entwickeln: ein Alleinstellungsmerkmal mit hervorragenden Job-Aussichten.

Identisch aussehende Drehmomentkurven eines Servomotors können mittels Autoencoding in Gruppen eingeteilt werden.

Das Umfeld am ICE – eine coole Truppe: Ihre Ausbildung findet im Institut für Computational Engineering ICE statt, wo Sie in einem innovativen Umfeld Ansprechpartner und Betreuung für jede Frage finden – seien es physikalische Fragen zur Modellierung, mathematische Fragen zur Theorie oder zur numerischen Implementierung, Fragen zu Software oder was auch immer. Sie können auf eine hervorragende Software- und Hardware-Infrastruktur und das Know-How von 6 Dozenten und 12 wissenschaftlichen Mitarbeitern zurückgreifen. Viele MSE-Studenten haben ihre Ausbildung berufsbegleitend mit einer 50%-Anstellung im ICE durchgeführt. Viele von ihnen sind nach dem Masterstudium noch als Mitarbeiter am ICE geblieben. Schon heute können wir Ihnen spannende Fragestellungen und eine optimale Betreuung versprechen.

Schauen Sie doch einfach bei unserem Team vorbei. Wir freuen uns auf Sie und Ihr Interesse. Sehr gerne sind wir bereit, Ihnen nähere Auskünfte zu geben. Sie können natürlich auch selbst ein Vertiefungsthema vorschlagen