Predictive Maintenance mit MATLAB: ein Beispiel mit verteilten „Big“ Datensätzen

Datenanalyse, Big Data, Machine Learning, Predictive Maintenance, statistische Datenauswertung… in diesem Webinar lernen Sie, wie Sie derartige Aufgabenstellungen skalierbar adressieren können.

Produktionsdaten aus Fertigungsanlagen oder aufgezeichnete Daten aus Maschinen sind typischerweise große Datenmengen mit dem Potential, wichtige Erkenntnisse und sogar Vorhersagen zu den vorhandenen Systemen zu liefern. Für die Entwicklung von solch präzisen und robusten Modellen braucht es nicht nur Maschinen Know-how und Wissen im Bereich der statistischen Analyse, sondern auch ein Werkzeug, das sowohl die nötigen mathematischen und statistischen Operationen als auch den Umgang mit großen, verteilt gespeicherten Datenmengen (Big Data) beherrscht.

In diesem Webinar erfahren Sie, wie Sie Techniken des maschinellen Lernens auf verteilt gespeicherte Datensätze anwenden können. Dabei stellen wir Ihnen MATLAB Tall-Tabellen und -Matrizen als neue MATLAB Datentypen im Bereich Big Data vor. Diese können auf Computer-Clustern oder lokal auf mehrere Kerne verteilt operiert.

Das Webinar illustriert einen beispielhaften Workflow für machine Learning mit Big Data anhand eines konkreten Messdatensatzes aus einer industriellen Anwendung.

Highlights

• Machine Learning mit MATLAB angewendet auf verteilt gespeicherte Datensätze
• Kompletter Workflow zur Datenverarbeitung und Modellerstellung
• Paralleles Rechnen mit MATLAB
  

Über den/die Referenten

Als Mitglied des Applikationsingenieur-Teams bei MathWorks Deutschland ist Dmitrij Martynenko zuständig für Datenanalytik, Machine Learning und Big Data Lösungen. Vor seinem Wechsel zu MathWorks entwickelte der Diplom-Mathematiker über sieben Jahre lang Datenassimilations-Algorithmen beim Deutschen Luft- und Raumfahrt Zentrum und sammelte Datenanalytik-Expertise beim IT Zentrum BMW.

Flash-Nutzer: Zur Anzeige des Inhaltsverzeichnisses mit der Maus über das Video fahren.