|
Maschinelles Lernen und Künstliche Intelligenz im Ingenieurwesen mit Praktikum (KI-ING PR)7.5 ECTS (englische Bezeichnung: Machine Learning and Artificial Intelligence in Engineering with laboratory course)
Modulverantwortliche/r: Patric Müller Lehrende:
Patric Müller
Startsemester: |
SS 2022 | Dauer: |
1 Semester | Turnus: |
jährlich (SS) |
Präsenzzeit: |
60 Std. | Eigenstudium: |
165 Std. | Sprache: |
Deutsch |
Lehrveranstaltungen:
-
-
Maschinelles Lernen und Künstliche Intelligenz im Ingenieurwesen (V)
(Vorlesung, 2 SWS, Patric Müller, Mo, 13:00 - 15:00, Raum n.V.; ab 2.5.2022; CIP-Pool CBI, Konrad-Zuse-Str. 3-5 (3. OG), mehr Informationen auf StudOn: https://www.studon.fau.de/crs4485538_join.html)
-
Maschinelles Lernen und Künstliche Intelligenz im Ingenieurwesen (Ü)
(Übung, 1 SWS, Patric Müller, Mo, 15:00 - 16:00, Raum n.V.; ab 9.5.2022; CIP-Pool CBI, Konrad-Zuse-Str. 3-5 (3. OG), mehr Informationen auf StudOn: https://www.studon.fau.de/crs4485538_join.html)
-
Maschinelles Lernen und Künstliche Intelligenz im Ingenieurwesen (PR)
(Praktikum, 3 SWS, Patric Müller, nach Vereinabrung, mehr Informationen auf StudOn: https://www.studon.fau.de/crs4485538_join.html)
Inhalt:
Die Vorlesungen und Übungen vermitteln ausgewählte Algorithmen aus den Bereichen maschinelles Lernen (ML) und künstliche Intelligenz (KI) auf Grundlagenniveau und illustrieren diese anhand von relevanten Anwendungsbeispielen. Besprochen werden unter anderem die folgenden Themengebiete:
Im Praktikum werden die Inhalte von Vorlesung und Übung durch aktuelle Spezialthemen ergänzt und vertieft. Mögliche Themen sind z.B.
Convolutional Neural networks
Generative Adverserial Networks
Genetic Algorithms
Optimization
Physics Informed Neural Networks
Machine Learning Forecasting
AI-based Image Segmentation
DeepTrack: Using CNNs to Track Particles
Automated Machine Learning
Deep Learning Interpretability
Swarm Intelligence
Visualization of Machine Learning Methods
Informed Reinforcement Learning
Lernziele und Kompetenzen:
Die Studentinnen und Studenten verstehen
was sich hinter den Schlagworten KI und ML verbirgt
verstehen wichtige Algorithmen aus den Bereichen KI und ML und können diese in Ihrer einfachsten Form selbst implementieren
kennen typische, im Bereich der Verfahrenstechnik relevante Anwendungsbeispiele von KI und ML
verstehen a) was KI und ML leisten kann und b) wo KI und ML im eigenen Fachbereich angewendet werden können
sind fähig, sich speziellere KI- und ML-Algorithmen und –Anwendungen eigenständig zu erschließen
sind in der Lage die hochaktuellen Themen KI und ML mit solidem Hintergrundwissen zu diskutieren und zu bewerten
kennen einige für KI und ML wichtige Software-Tools (z.B. Python und Tensorflow) und können damit einfache Aufgaben bearbeiten.
Literatur:
- Hastie, Tibshirani, Friedman, The elements of statistical learning
Wolfgang Ertel, Grundkurs künstliche Intelligenz
Kelleher, MacNamee, D’Arcy, Fundamentals of Machine Learning for Predictive Data Analytics: Algorithms, Worked Examples, and Case Studies - Goodfellow, Bengio, Courville, Deep Learning
Aurelien Geron, Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems
Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan: Das Modul ist im Kontext der folgenden Studienfächer/Vertiefungsrichtungen verwendbar:
- Chemie- und Bioingenieurwesen (Master of Science)
(Po-Vers. 2015w | TechFak | Chemie- und Bioingenieurwesen (Master of Science) | Gesamtkonto | 3.-4. Wahlpflichtmodul (mit Praktikum) | Maschinelles Lernen und Künstliche Intelligenz im Ingenieurwesen)
- Life Science Engineering (Master of Science)
(Po-Vers. 2019w | TechFak | Life Science Engineering (Master of Science) | Gesamtkonto | Wahlpflichtmodule mit Praktikum | Maschinelles Lernen und Künstliche Intelligenz im Ingenieurwesen)
Studien-/Prüfungsleistungen:
Maschinelles Lernen und Künstliche Intelligenz im Ingenieurwesen (Prüfungsnummer: 46501)
- Prüfungsleistung, Klausur, Dauer (in Minuten): 90, benotet
- Anteil an der Berechnung der Modulnote: 100.0 %
- Prüfungssprache: Deutsch
- Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023
Praktikum Maschinelles Lernen und Künstliche Intelligenz im Ingenieurwesen (Prüfungsnummer: 46601)
(englischer Titel: Laboratory course Machine Learning and Artificial Intelligence in Engineering)
- Studienleistung, Praktikumsleistung, unbenotet
- weitere Erläuterungen:
Referat zu aktuellen Spezialthemen des Moduls
- Erstablegung: SS 2022, 1. Wdh.: WS 2022/2023
|
|
|
|
UnivIS ist ein Produkt der Config eG, Buckenhof |
|
|