装备学生工程师与数据科学技能

数据科学是新兴作为工程师的高度可取的技巧。目前大部分工程学位提供数据的科学主题作为一个选项在最后一年,通常在一个狭窄的研究领域。在2018年,我们引入数据科学作为核心主题为所有本科工程流(包括土木、机械、电子和系统)在华威大学。从我们的工业经验我们知道数据分析影响几乎所有的工程开发和运营领域。

数据科学和机器学习很快将所有工程师的基本技能,是否应用机器学习算法,提供数据给这些算法,或决策基于结果。这就是为什么我们引入数据科学作为一个线程通过华威工程学位,从编程的介绍和简单的统计模型在第一年,搬到一个核心数据分析模块第二年,然后提供更多stream-specific模块年3和4。

1:系统建模、模拟和计算

所有一年级工程本科生ES197:系统建模、模拟和计算。在这个模块,学生学习如何使用身体和(简单的)数据驱动方法建模工程系统。这个模块也是介绍编程。

熟悉编程和MATLAB^®从网上,学生完成课程MATLAB基础课程。从教育者的角度来看,这种方法很有用,因为它允许学生学习按照自己的节奏通过完成各种编程练习和获得即时反馈。

应用MATLAB的技能后,他们已经获得的分配曲线拟合,推导简单模型和关系的数据,学生解决建模与仿真问题利用电的例子,热,和转化系统。与计算机科学的学生,他们认为编程是一个必要的技能,许多工科学生最初可能不会欣赏它的相关性。通过引入编程建模与仿真的环境中,我们的目标是向学生展示编码是一种技巧,他们整个职业生涯中会有用的。

在以后的作业,学生把噪音或者其他随机效应模型。例如,我们创建一个简单的模型在MATLAB中粒子射到空中,回落时受到随机的力量。模拟产生一个有趣的3 d可视化(图1)。整个项目给学生对自己的能力信心以编程方式创建自己的模型。

第二年:工程数学和数据分析

二年级的模块ES2C7工程数学和数据分析专注于解决回归、分类和聚类问题。当我在行业工作,我发现解决数据科学问题是相对简单的一次数据是干净的和适当的格式,但这与现实世界的数据,这种情况很少见。有鉴于此,我教学生如何识别和消除异常值,处理缺失值,并组织表中的数据。

MATLAB脚本生活讲座期间尤其有用,因为我可以包含格式化的文本和图片让我想起我想盖,因为代码的输出出现与产生它的代码。分类学习者和回归学习者应用统计和机器学习工具箱™,与此同时,能够教的广泛原则回归和分类没有深入研究实现细节(图2)。

一旦学生看到应用程序做什么和如何使用它们,我显示类的底层算法在MATLAB中工作。

完成实验作业后回归、分类和聚类,学生工作在一组项目,我要求他们想象为一个工程咨询公司负责评估工作的质量生产钢组件。学生必须预测哪些组件最有可能失败的使用两个数据集,一个相当干净,另一个是混乱和复杂。

处理噪声数据在不同的文件格式,包括Excel^®、CSV和纯文本,学生们消除异常值,进行连接,并准备数据用于训练模型。大多数组织使用回归学习者应用MATLAB脚本或实现线性回归;一些尝试两种方法。完成项目和演示技能开发的模块,每组创建一个视频,介绍了他们的发现以及他们所使用的方法。

第三年及以后

感兴趣的学生进一步探索科学和机器学习的数据,沃里克提供了一个三年级的模块在智能系统设计,涵盖了计算机视觉和机器学习更先进的技术。在这个模块中,我给学生介绍sense-perceive-act框架用于许多自动控制系统应用程序。四轴飞行器模型在仿真软件金宝app^®(图3)是非常有用的显示这个基本框架,同时向学生介绍主题覆盖后的模块,这样的卡尔曼滤波和光学流。

后,学生与MATLAB相结合发展一个手势识别应用计算机视觉和机器学习。对于这个项目,学生们开发一个模型能够解释自己的摄像头图像的手和分类的预先确定的手势之一。这个项目是特别优秀的学生,因为他们正在与自己的数据和需要考虑的因素,如照明和有多少不同的图像需要一个精确的分类器训练。

学生学习如何应用数据科学技术在现实问题的背景下,在他们的早期研究是充分的准备不仅在随后几年高级课程,也为职业练习工程师。我们已经收到了非常积极的反馈从我们的学生的方法,他们发现,他们能够应用这些技术在本科实习和在采访中谈论这些技能。

与设备连接启用公司基地设计决策的数据而不是直觉或经验,工程师与背景的数据分析目前需求甚殷。虽然一些我们的毕业生进入劳动力准备展示新工具的高级工程师,我们相信,他们将能够应用机器学习和数据分析,当情况需要时。