Praktikum: Machine Learning for Time Series Analysis

Veranstalter: Prof. Dr. Andreas Hotho, Dr. Melanie Schaller

Umfang: 5 ECTS

Kurzbezeichnung: 10-I=PRJAK

WueCampus-Kurs: SS23_PML_TS (uni-wuerzburg.de)

Kickoff-Termin: 25.04.23 von 13:30-15:00 im Z6 Raum 1.010

Anmeldung: lsx-ts-project[at]informatik.uni-wuerzburg.de (ab sofort) oder per Selbsteinschreibung

Konzept

In diesem Master-Praktikum werden sich die Studierenden mit den Methoden der Zeitreihenanalyse beschäftigen. Dabei arbeiten sie in Kleingruppen an Zeitreihen-Datensätzen, um damit ein Modell zur Klassifikation zu entwickeln. Die Kleingruppen bearbeiten dabei dieselbe Fragestellung. Am Ende des Semesters werden die unterschiedlichen Ansätze und Lösungen vorgestellt und auf einem Test-Datensatz evaluiert.

Im Zentrum dieses Praktikums steht das Erlernen von ML-Methoden und das wissenschaftlich fundierte Entwickeln von kreativen neuen Ansätzen, um das gesetzte Ziel zu erreichen.

Inhalt

In diesem Semester wird mit den simulierten Schädigungs-Daten der intelligenten Brücke in unterschiedlichen Schadensklassen sowie mit dem Luxemburg Datensatz mit unterschiedlichen Realschädigungsklassen gearbeitet. Dabei bestehen beide Datensätze aus Sensordaten mit multivariaten Zeitreihen mit Normaldaten sowie den anomalen Schadensklassen. Ziel des Praktikums ist es ein überwachtes ML Modell zur Erkennung der anomalen Schadensklassen auf dem intelligente Brücke Datensatz zu trainieren und auf dem Luxemburg Datensatz zu validieren.

Ablauf

In der Bearbeitung der gegebenen Fragestellung innerhalb dieses Praktikums sind die Studierenden sehr frei. Treffen in der Großgruppe sind für alle Teilnehmende im Wochen-Rhythmus angesetzt. Bei diesen Treffen werden Zwischenstände präsentiert (evtl. mit kurzen Präsentationen), Fragen geklärt und Probleme diskutiert.

Am Ende des Semesters sollte jede Kleingruppe ein funktionierendes System vorweisen können, welches auf einem separaten Test-Datensatz evaluiert wird. Bei einem gut funktionierenden System, besteht die Möglichkeit einer wissenschaftlichen Veröffentlichung sowie der Präsentation auf einer Fachveranstaltung.

Zum Start ist ein Kickoff-Termin in der zweiten Vorlesungswoche geplant. Gerne können Sie sich auch direkt als Gruppe bei uns melden (3-5 Teilnehmende).

Leistungsnachweis

Am Ende des Semesters stellt jede Gruppe ihren Ansatz in einer 15-30 Minuten langen Präsentation vor. Außerdem ist ein Praktikumsbericht im Umfang von 10-15 Seiten abzugeben.