Dozent: Prof. Dr.-Ing. Fabian Jirasek
                  Dr.-Ing. Nicolas Hayer

Aufwand: 2 SWS (3 bzw. 5 ECTS als Modul)

Voraussetzungen: Thermodynamik I, Höhere Mathematik I-III

Beginn: Di., 14. April 2026

Sprache: Die Vorlesung wird auf Englisch gehalten.

Sprechstunden:

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

E-Learning:

Alle Downloads und weitere Informationen werden im OLAT-Kurs bereitgestellt. Bitte melden Sie sich mit dem genannten Kurscode an.