Überblick über Techniken und Anwendungen der Datenwissenschaft und des maschinellen Lernens in den Ingenieurwissenschaften
- Einführung in Programmiersprachen (Python, Matlab) als Voraussetzung für maschinelles Lernen
- Neural Network: Konzept, Feed-Forward NN, Aktivierungsfunktionen, Training
- Anwendung von neuronalen Netzen zur Erkennung handgeschriebener Zahlen und zur Bildklassifikation
- Neural Network in der Computational Mechanics (numerische Methoden) mit Anwendungsbeispiel
- Tiefgehende Lernbibliotheken in Python / Matlab (z.B. Keras)
- Erweiterungen: Convolutional NN, Recurrent NN, Deep Learning, Data Mining, Bayes- und regressionsbasierte Algorithmen, etc. |