Künstliche Intelligenz für Computational Mechanics

Worum geht's

Du lernst Methoden des maschinellen Lernens und deren Anwendung in der numerischen Mechanik. Das Modul behandelt Grundlagen von überwachten, unüberwachten und bestärkenden Lernverfahren, tiefe neuronale Netze, physikinformierte Netze, Surrogat-Modelle und modellreduzierte Verfahren. Am Ende kannst du ML-Techniken implementieren, bewerten und für Probleme der Computational Mechanics einsetzen.

Was du danach kannst

• einfache ML-Algorithmen selbständig implementieren
• ML-Techniken zur Lösung technischer Probleme anwenden
• ML-Techniken in der numerischen Mechanik bewerten und anwenden

Aus was das Modul besteht

• Vorlesung mit integrierten ÜbungenTheoretische Konzepte vermitteln und direkt in Übungen umsetzen

Lehrmethode

• Vorlesungen mit integrierten ÜbungenEinführung in Theorie, anschließend Implementierung in Python
• Praktische Implementierung in Python mit Open-Source-Frameworks und IDEUm die vorgestellten Methoden praktisch anzuwenden und zu verifizieren
• Individuelle Termine und offene Fragerunden durch den DozentenUnterstützung bei Übungen und Projekten