Master-Praktikum - Application Challenges for Machine Learning am Beispiel von IBM Power AI (IN2128, IN2106, IN212810)
Advanced Practical Course - Application Challenges for Machine Learning on the Example of IBM Power AI (IN2128, IN2106, IN212810)

Lehrveranstaltung 0000003522 im WS 2019/20

Basisdaten

LV-Art

Praktikum

Umfang

6 SWS

betreuende Organisation

Informatik 17 - Lehrstuhl für Wirtschaftsinformatik und Geschäftsprozessmanagement (Prof. Rinderle-Ma)

Dozent(inn)en

Harald Kienegger
Borys Levkovskyi
Matthias Pfaff
Johannes Rank
Leitung/Koordination: Helmut Krcmar

Termine

Di, 09:00–16:00, MI 01.13.034
Mo, 09:00–13:00, MI 01.13.034
sowie 3 einzelne oder verschobene Termine

iCalendar

	Datum und Zeit	Raum und Anmerkung
	Di, 15.10.2019, 09:00–16:00	Boltzmannstr. 3 Introduction
	Mi, 16.10.2019, 09:00–16:00	Boltzmannstr. 3 Introduction
	Mo, 28.10.2019, 09:00–13:00	Boltzmannstr. 3 Introduction Sprecher(in): Borys Levkovskyi M.Sc.
	Di, 29.10.2019, 09:00–13:00	Boltzmannstr. 3 Introduction Sprecher(in): Borys Levkovskyi M.Sc.
!	Di, 05.11.2019, 13:00–16:00	Boltzmannstr. 3 Project Kickoff
!	Di, 03.12.2019, 13:00–17:00	Boltzmannstr. 3 Intermediate Presentation
!	Di, 28.01.2020, 10:00–16:00	Boltzmannstr. 3 Final Presentation

Zuordnung zu Modulen

IN2106: Master-Praktikum / Advanced Practical Course
Dieses Modul ist in den folgenden Katalogen enthalten:
- weitere Module aus anderen Fachrichtungen

weitere Informationen

Lehrveranstaltungen sind neben Prüfungen Bausteine von Modulen. Beachten Sie daher, dass Sie Informationen zu den Lehrinhalten und insbesondere zu Prüfungs- und Studienleistungen in der Regel nur auf Modulebene erhalten können (siehe Abschnitt "Zuordnung zu Modulen" oben).

ergänzende Hinweise	Neueste Hard- und Software Technologien und Lösungen helfen, die Markteinführungszeiten zu reduzieren. Das stetig zunehmende Datenwachstum verbunden mit einer immer kürzer werdenden Markeinführungszeit vor allem von Softwareprodukten erfordert immer effektivere und effizientere Datenanalysen. Um diese zu ermöglichen werden nicht nur fortgeschrittene AI-Frameworks benötigt, sondern auch moderne Hardwarearchitekturen, die derartige Analysen z. Bsp. durch hohe Memory-Bandbreiten und GPU-Beschleuniger unterstützen. Unternehmen haben in ihren Daten Werte, die momentan noch weitestgehend ungenutzt bleiben. Die nötigen Prozesse sind noch nicht etabliert und entsprechende Applikationen zur Analyse und zur Auswertung mit leistungsfähiger Hardware fehlen. Dadurch können die sinnvolle Nutzung und Weiterverwendung noch nicht voll ausgeschöpft werden. Daher ist die Fähigkeit, zielgerichtete Datenanalysen zu erstellen, eine der Kernaufgaben des "Data Scientist". Hierzu gehört insbesondere das Verständnis der eigentlichen Machine-Learning-Algorithmen, deren Anwendung auf modernen Hardwarearchitekturen unter Zuhilfenahme moderner Beschleuniger sowie der zugehörigen Prozesse (DevOps). Nur wenn eine optimale Abstimmung zwischen Entwicklung und Betrieb gefunden wird, können bestmögliche Analysen erzielt werden und das volle Potential der Hardware ausgeschöpft werden. IBM bietet mit seinen PowerAI-Produkten ein umfassendes Angebot an aufeinander abgestimmter Soft- und Hardware, die Lösungen für genau solche aufkommenden Szenarien bieten und unterstützen.
Links	LV-Unterlagen E-Learning-Kurs (z. B. Moodle) TUMonline-Eintrag

ergänzende Hinweise

Neueste Hard- und Software Technologien und Lösungen helfen, die Markteinführungszeiten zu reduzieren. Das stetig zunehmende Datenwachstum verbunden mit einer immer kürzer werdenden Markeinführungszeit vor allem von Softwareprodukten erfordert immer effektivere und effizientere Datenanalysen. Um diese zu ermöglichen werden nicht nur fortgeschrittene AI-Frameworks benötigt, sondern auch moderne Hardwarearchitekturen, die derartige Analysen z. Bsp. durch hohe Memory-Bandbreiten und GPU-Beschleuniger unterstützen. Unternehmen haben in ihren Daten Werte, die momentan noch weitestgehend ungenutzt bleiben. Die nötigen Prozesse sind noch nicht etabliert und entsprechende Applikationen zur Analyse und zur Auswertung mit leistungsfähiger Hardware fehlen. Dadurch können die sinnvolle Nutzung und Weiterverwendung noch nicht voll ausgeschöpft werden. Daher ist die Fähigkeit, zielgerichtete Datenanalysen zu erstellen, eine der Kernaufgaben des "Data Scientist". Hierzu gehört insbesondere das Verständnis der eigentlichen Machine-Learning-Algorithmen, deren Anwendung auf modernen Hardwarearchitekturen unter Zuhilfenahme moderner Beschleuniger sowie der zugehörigen Prozesse (DevOps). Nur wenn eine optimale Abstimmung zwischen Entwicklung und Betrieb gefunden wird, können bestmögliche Analysen erzielt werden und das volle Potential der Hardware ausgeschöpft werden. IBM bietet mit seinen PowerAI-Produkten ein umfassendes Angebot an aufeinander abgestimmter Soft- und Hardware, die Lösungen für genau solche aufkommenden Szenarien bieten und unterstützen.

Links

LV-Unterlagen
E-Learning-Kurs (z. B. Moodle)
TUMonline-Eintrag

Gleiche Lehrveranstaltungen (z. B. in anderen Semestern)

Semester	Titel	Dozent(en)	Termine
WS 2021/2	Master-Praktikum - Application Challenges for Machine Learning am Beispiel von IBM Power Architecture (IN2128, IN2106, IN212810)	Fuchs, S. Wittges, H.	einzelne oder verschobene Termine
WS 2020/1	Master-Praktikum - Application Challenges for Machine Learning am Beispiel von IBM Power Architecture (IN2128, IN2106, IN212810)	Fuchs, S. Wittges, H.	einzelne oder verschobene Termine