Publication

Maschinelles Lernen und Semantische Analysen auf Big Data Automobil Diagnosedaten zur Produktionsoptimierung

Seif Khayati

Mastersthesis TU Kaiserslautern 11/2016.

Abstract

Die vorliegende Diplomarbeit mit dem Titel „Maschinelles Lernen und Semantische Analysen auf Big Data Automobil Diagnosedaten zur Produktionsoptimierung“ stellt den Prozess der Entwicklung einer Reihe von Data-Mining Auswertungspaketen dar, die es zum Ziel hat aus Fahrzeugausstattungen und Diagnosedaten bestimmte Beziehungen und Zusammenhängen nachzugehen. Die dafür verwendete Programmplattform ist Java mit den Bibliotheken Apache Spark und Jena. Die Problematik bei der Erfassung, der Erkennung und der Berechnung von den gesuchten Angaben und Strukturen werden Schrittweise erarbeitet, indem zunächst eine detaillierte Schilderung der generierten Algorithmen, die zur Erfüllung dieser Aufgaben benötig sind, gegeben wird. Im nachfolgenden Schritt wird der modulare Aufbau jedes Pakets unter Berücksichtigung der Stabilitätsnormen und der Erwartungskonformität während der Softwarenwicklung beschrieben. Schließlich wird es dargestellt, in welcher Form das jeweilige entwickelte Software-Paket die ausgewerteten Daten, die nach bestimmten Richtlinien erwartet werden, ausgegeben werden.

Projekte

German Research Center for Artificial Intelligence
Deutsches Forschungszentrum für Künstliche Intelligenz