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

Donnerstag
13:45 - 15:15 Uhr

44-421

Übung

M. Sc. Jens Wagner

Bei Bedarf

44-421

 

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

Alle Angaben im Internet sind - wenngleich sorgfältig überprüft - ohne Gewähr!
Es gelten die offiziellen Angaben der entsprechenden Aushänge am Lehrstuhl bzw. im Prüfungsamt.