Maschinelles Lernen in der Verfahrenstechnik
Dozent: Prof. Dr.-Ing. Fabian Jirasek
Aufwand: 2 SWS (3 ECTS als Modul)
Voraussetzungen: Thermodynamik I, Höhere Mathematik I-III
| Dozent | Zeit | Ort | |
|---|---|---|---|
| Vorlesung | Prof. Dr.-Ing. Fabian Jirasek | Dienstag 14:00 - 15:30 Uhr | 44-421 |
| Übung | M. Sc. Zeno Romero | Bei Bedarf | 44-421 |
Beginn: Di., 22. April 2025
Sprechstunden:
Sprechstunden zur Vorlesung und Übung werden nach Vereinbarung angeboten. Bitte per E-Mail direkt an Zeno Romero wenden.
Prüfung:
Termine für mündliche Prüfungen werden nach Absprache angeboten.
Inhalte:
Wir werden grundlegende Konzepte des Maschinellen Lernens und Anwendungsgebiete in der Verfahrenstechnik kennenlernen sowie einige Methoden in Programmieraufgaben in Kleingruppen vertiefen. Die Vorlesung ist als Einstieg in das Maschinelle Lernen angelegt, sodass keine Vorkenntnisse in diesem Bereich erforderlich sind.
- Datenvorbereitung und -repräsentation
- Unüberwachtes Lernen
- Dimensionsreduktion
- Clustering
- Überwachtes Lernen
- Klassifikation
- Regression
- Kernel-Methoden
- Probabilistische Methoden
- Hybride Methoden
- Ensemblemethoden
- Physics-informed Learning
- Training and Model Selection
- Kreuzvalidierung
- Regularisierung
Alle Angaben im Internet sind - wenngleich sorgfältig überprüft - ohne Gewähr!
Es gelten die offiziellen Angaben der entsprechenden Aushänge am Lehrstuhl bzw. im Prüfungsamt.