Einführung in Machinelles Lernen in den Materialwissenschaften

Worum geht's

Der Kurs vermittelt die Grundlagen des maschinellen Lernens mit Schwerpunkt auf Anwendungen in den Materialwissenschaften. Du lernst typische Methoden (z. B. Clustering, Regression, Klassifikation, Deep Learning, Bayessche Optimierung) kennen, arbeitest mit materialwissenschaftlichen Datensätzen und übst praktische Implementierung in Python-Notebooks. Am Ende kannst du geeignete Darstellungen und Methoden auswählen, Modelle bewerten und ein kleines ML-Projekt in den Materialwissenschaften durchführen.

Was du danach kannst

• Einblick in maschinelles Lernen in den Materialwissenschaften
• Überblick über verschiedene ML-Methoden
• Praxis mit Python-Notebooks
• Umgang mit verschiedenen Material-Datensätzen
• Grundlegende Datenanalyse materialwissenschaftlicher Daten
• Auswahl geeigneter Materialdarstellungen für ML
• Abschätzung passender ML-Methoden für konkrete Probleme
• Bewertung und Verbesserung von ML-Modellen
• Durchführung eines ML-Projekts in den Materialwissenschaften
• Kritische Beurteilung von Methoden und Datenanalyse
• Identifikation materialwissenschaftlicher Fragestellungen, die ML lösen kann
• Folgen von Fachpräsentationen zum Thema ML in den Materialwissenschaften

Aus was das Modul besteht

• VorlesungVermittlung der theoretischen Grundlagen des maschinellen Lernens
• ComputerübungenPraktische Umsetzung und Training mit Python-Notebooks
• ProjektarbeitAnwendung der Methoden auf materialwissenschaftliche Fragestellungen

Lehrmethode

• VorlesungenErklären der Konzepte und Methoden
• ComputerübungenPraktische Übung und Festigung der Implementierung in Python
• ProjektarbeitVertiefung durch eigenständige Anwendung auf reale Probleme