Registration ends 07.4.2026 at 23:59 h

Wearables, Smartphones und IoT-Geräte sind heute Teil vernetzter cyber-physischer Systeme. Sie erfassen kontinuierlich Bewegungs-, Körper- und Umweltdaten und eröffnen damit breite Anwendungsmöglichkeiten für datengetriebene Analysen.

In dieser Veranstaltung lernen Sie, Daten physischer Sensoren mit modernen Machine-Learning-Verfahren zu verarbeiten und zu modellieren – vom Data Cleaning und der Signalaufbereitung über Feature-Engineering und Modelltraining bis zur Evaluation. Die vermittelten Methoden finden sich u. a. in Predictive Maintenance, im autonomen Fahren sowie in datenschutzfreundlichen Ansätzen wie Federated Learning wieder.
Nach einer einführenden Vorlesungsphase entwickeln Sie ein eigenes Projekt, in dem Sie Sensordaten erheben, analysieren und für Erkennung, Vorhersage oder Anomaliedetektion nutzen – etwa zur Aktivitäts- und Gangerkennung, Haltungsklassifikation, Belastungs-/Stressschätzung oder Zustandsprognose technischer Systeme.

Als Leitfaden dient Hoogendoorn & Funk (2018), Machine Learning for the Quantified Self.

Studierende entwickeln im Kontext der Veranstaltung eigene Projektideen und lernen den Umgang mit und die Analyse von Sensordaten

Further information on teaching evaluation: https://www.leuphana.de/en/teaching/quality-management/evaluation/course-evaluation.html