Deloitte - DINDER.

Beschreibung des Unternehmens

DINDER ist eine neue innovative App auf dem Markt für Machine Learning Tools. Kurzgefasst ist DINDER ein Framework zur Klassifizierung von Daten, welches auf simple Weise geballtes Fachwissen mit der Leichtigkeit eines Fingerwischs über das Smartphone erhebt und nutzt. Dieser Ansatz mobilisiert auf spielerische Art und Weise das vorhandene Wissen innerhalb eines Unternehmens um gezielt individuelle Datensätze für Klassifizierungsprobleme zu erstellen; somit wird eine Datengrundlage für Machine Learning Modelle geschaffen um den fachspezifischen Anforderungen gerecht zu werden. Genial, oder?

Situation

Machine Learning ist überall. In manchen Situationen wird es als unterstützendes Hilfsmittel verwendet, in anderen um eine Aufgabe vollständig zu übernehmen. Ohne einen hinreichend großen Trainingsdatensatz sind solche Modelle jedoch nicht sinnvoll verwendbar. Das ist insbesondere der Fall in kontextbasierter Erkennung von Informationen, welche in verschiedenen Disziplinen benötigt wird. Fachmitarbeiter im jeweiligen Bereich können mithilfe ihrer Erfahrung schnell Antworten zu aufkommenden Fragen liefern. Jedoch fehlt hierfür eine übergreifende Plattform, was das Sammeln von Informationen erschwert.

Problem

Angenommen innerhalb mehrerer tabellarischer Datenquellen erscheint eine Spaltenüberschrift mehrfach, jedoch ist der Inhalt dieser Spalte jedes Mal von anderer Bedeutung. Fachmitarbeiter können schnell entscheiden um welche Information es sich hier handelt. Die Herausforderung ist jedoch dieses Wissen einzuholen, da die Mitarbeiter auf der gesamten Welt verteilt sind und volle Terminkalender haben. Zudem ist das stumpfe Beantworten von Fragen kein ausreichender Anreiz dies auch zu tun. Daher soll neben der Kernfunktion ein Anreizsystem geschaffen werden, welches einen positiven Unterhaltungswert schafft.

Projektziel

DINDER unterstützt seine Kunden beim Erstellen von Trainingsdatensätzen für Machine Learning Modelle um fachspezifische Fragestellungen zu beantworten, indem die App an entsprechende Experten weitergeben wird. Das Framework sollte universell einsetzbar sein und sich nicht auf ein Fachgebiet beschränken. Dadurch profitieren diverse Abteilungen aller Fachbereiche, die Trainingsdaten für individuelle Fragestellungen benötigen.

Aufgabenstellung

• Umformulieren eines Machine Learning Problems, sodass ein binär klassifizierter Trainingsdatensatz genügt um die zugrundeliegende Aufgabe zu lösen.
• Entwickeln einer Smartphone-Applikation um Daten zu klassifizieren indem Fragen mit ja/nein (links/rechts wischen) beantwortet werden oder Aussagen bestätigt/abgelehnt werden.
• Hinzufügen eines oder mehrerer Anreizsysteme in Form von Nutzerstatistiken, Bestenlisten und deren Visualisierung.
• Entwickeln eines Machine Learning Modells zur kontextbasierten Erkennung innerhalb tabellarischen Datenquellen durch binär klassifizierte Trainingsdaten aus Open-Source-Quellen und DINDER.
• Erstellung von Performancemaßen für diese Erkennungsaufgabe, sodass die Ergebnisse mit einem statistischen oder deterministischen Konfidenzwert hinterlegt werden um das Problem der Unsicherheit zu quantifizieren.
• Konzeptentwicklung eines Systems zur Bewertung von Datenqualität und Datenquantität, welches in der Lage ist, Maßnahmen vorzuschlagen um die Nutzbarkeit der Daten zu erhöhen.

Zielgruppe

Studenten der Masterstudiengänge Computer Science, Mathematics, Computational Science and Engineering, Business, International Management and Engineering oder vergleichbaren Studiengängen.

Termine

Bitte halten Sie sich folgende Termine frei: Fishing for Experience Termine

Anmeldung

Sie können sich hier für Fishing for Experience anmelden.