|
Lehrende: Marten Borchers
Veranstaltungsart:
Seminar
Anzeige im Stundenplan:
Smart City HH
Semesterwochenstunden:
4
Credits:
6,0
Unterrichtssprache:
Deutsch
Min. | Max. Teilnehmerzahl:
- | 28
Weitere Informationen:
Studierendenschaft: Angebot für alle Bachelor -und Masterstudierenden der MIN-Fakultät im Freien Wahlbereich
Kommentare/ Inhalte:
Im Seminar Data-driven Solutions for the Smart City Hamburg (D2S2C Hamburg) werden unterschiedliche Konzepte aus dem Bereich Smart City und der Entwicklung von Lösungen für real existierende Herausforderungen betrachtet, die von verschiedenen Kooperationspartnern bereitgestellt werden. Smart City beschreibt intelligente und innovative Städte, in denen Bürger:innen im Fokus stehen und ein gemeinschaftliches Miteinander mit hoher Lebensqualität und nachhaltiger Ressourcennutzung angestrebt wird. Im Rahmen des Seminars werden Methoden der Business Intelligence zur Analyse und Visualisierung von Prozessen und Daten sowie künstliche Intelligenz (KI) und Methoden des maschinellen Lernens genutzt, um Lösungen für diese Herausforderungen zu entwickeln. Dies beinhaltet die Entwicklung von Prototypen und kann (Teil-)Automatisierungen von AKtivitäten betreffen.
Das Seminar ist für alle Studierenden der MIN-Fakultät geeigent und richtet sich insbesondere an Studierende die praxisorientiert mit Unternehmen zusammenarbeiten möchten, um Prototypen zur Lösung realer Herausforderungen zu entwickeln.
Vorraussetzungen gibt es keine, Vorwissen in dem Bereichen Softwareentwicklung, Projektmanagements, Business Intelligenz, Data Science und künstlicher Intelligenz sind allerdings hilreich. Im Seminar wird vorzugsweise mit Python gearbeitet. AndereProgrammiersprachen werden aber nicht ausgeschlossen, und sind in Abhängigkeit der in den Gruppen vorhandenen Kompetenzen möglich.
Im Sommersemester 2022 wurde mit der HOCHBAHN, dem Landesbetrieb Geoinformation und Vermessung sowie dem HSV/Future Dock zusammengearbeitet und es wurden vier verschiedene Use-Cases in Gruppen bearbeitet. Dies betraf z. B. die Entwicklung einer interaktiven Karte zur Identifikation von Unfallhotspot im Busbetrieb, der Vorhersage von Reichweiten bei E-Bussen, der Klassifikation von Daten aus Bürgerbeteiligungen und der Entwicklung einer Anwendung zur Indoornavigation im Stadion.
Lernziel:
Die Teilnehmer:innen werden in Gruppen von vier bis fünf Studierenden mit den Kooperationspartnern Herausforderungen identifizieren und diese problemspezifisch bearbeiten. Der didaktische Ansatz entspricht dem des forschenden Lernens, sodass Studierenden einen hohen Einfluss auf die Inhalte haben und ihren intrinsischen Interessen folgen und individuellen Kompetenzen einbringen können. Im Zuge des Seminars wird der Erwerb und die Vertiefung von folgenden Kompetenzen angestrebt.
Kernkompetenzen
- Methoden zur Erhebung von Daten & Informationen sowie Umgang mit unvollständigen, kompromittieren oder veralteten Daten
- Anwendungsentwicklung (verschiedene Sprachen möglich, z. B. Skripte, lokale oder webbasierte Anwendungen)
- Methoden zur Auswertung und der Visualisierung von Daten (Data Science)
- Künstliche Intelligenz (KI) und Machine Learning (ML) in Python oder Java (DL4J) zur z. B. Klassifizierung und Auswertung von Inhalten
Weitere Kompetenzen
- Unternehmenskommunikation
- IT-gestütztes Projektmanagement
- Präsentieren von Ergebnissen
Vorgehen:
Die Durchführung des Seminars findet hybrid statt und wird nur, wenn aufgrund der pandemischen Situation nicht anders möglich, vollständig digital durchgeführt..
In den ersten zwei bis drei Wochen werden Inhalte aus den Bereichen Urban Planning, Smart City, Business Intelligence, Data Science und Machine Learning erarbeitet und die Kooperationspartner und zu bearbeitenden Use-Cases vorgestellt. Ab Woche zwei beginnt die Gruppenarbeit, in der die reale Anwendungsfälle der Kooperationspartner bearbeitet werden. Die Gruppenarbeit wird von den Lehrenden begleitet und es finden regelmäßige Termine mit den Kooperationspartner statt, um Inhalte zu diskutieren, Fragen zu stellen und Prototypen zu evaluieren. Nach 2/3 des Semesters werden die Zwischenergebnisse und nach Ende der Vorlesungszeit die Ergebnisse der Gruppen im Plenum präsentiert.
Literatur:
Relevante Literatur wird zu Beginn der Veranstaltung bereitgestellt.
Zusätzliche Hinweise zu Prüfungen:
Das Seminar wird benotet und folgende Leistungen sind entscheidend.
- Aktive Teilnahme und selbstständiges Arbeiten
- Zwischenpräsentation der Ergebnisse
- Präsentation der Endergebnisse der Gruppenarbeit
- Abschlussbericht über die Ergebnisse inklusive entwickelter Prototypen o. Ä.
Die Scheinbedingungen werden zu Beginn der Veranstaltung präsentiert und diskutiert.
|
