Dozent: Prof. Dr.-Ing. Fabian Jirasek

Aufwand: 2 SWS (3 ECTS als Modul)

Voraussetzungen: Thermodynamik I, Höhere Mathematik I-III

Beginn: Do., 25. April 2024

Sprechstunden:

Sprechstunden zur Vorlesung und Übung werden nach Vereinbarung angeboten. Bitte per E-Mail direkt an Jens Wagner 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