Praktische Einführung in Machine Learning

Inhalt:
Folgende Themengebiete werden unter anderem behandelt:

  • Motivation und aktuelle ML-Anwendungen
  • Grundlagen Machine Learning
  • Grundlagen der Digitalen Signalverarbeitung
  • Vorgehensweise bei Machine Learning Projekten
  • Praktische Einführung in die Programmiersprache Python mit Jupyter Notebook/Google Colab
  • Praktische Übung zur Anwendung traditioneller Machine Learning Methoden
  • Kurze Einführung in Neuronale Netze

Lernziele und Kompetenzen:
Die Studierenden lernen die ersten Grundlagen und Begrifflichkeiten zum Thema Machine Learning kennen und im Kontext Künstliche Intelligenz einzuordnen. Der Ablauf und die Durchführung von Machine Learning Projekten werden an praktischen Beispielen aufgezeigt und deren Potenziale und Herausforderungen diskutiert. Für die eigene Umsetzung im Rahmen der Seminararbeiten erfolgt die Einführung in die Programmiersprache Python mit der Erläuterung relevanter Bibliotheken.
Die Kenntnisse werden durch die eigenständige Bearbeitung einer Aufgabenstellung aus den Bereichen Bild- und Audioanalyse zur Überwachung von Maschinen und Prozessen vertieft.

Umfang: Seminar, 2 SWS

Credits: 2,5 ECTS

Turnus: halbjährlich (WS+SS)

Zeitaufwand: 75 Std.

Kontakt: 

Hubert Würschinger, M. Sc.

Department Maschinenbau (MB)
Lehrstuhl für Ressourcen- und Energieeffiziente Produktionsmaschinen (REP, Prof. Hanenkamp)