Computational Materials Design

Worum geht's

In diesem projektorientierten Mastermodul lernst Du, wie Hochdurchsatzsimulationen und datengetriebene Methoden zur Vorhersage von Materialeigenschaften kombiniert werden. Am Ende bist Du in der Lage, ML-Modelle in Python zu implementieren, Datensätze aus den Materialwissenschaften zu analysieren und die Qualität verschiedener Modelle zu beurteilen.

Was du danach kannst

• Python-Programme entwickeln
• grundlegende Datenanalysen durchführen
• Typen von Datensätzen in den Materialwissenschaften verstehen
• wissenschaftliche Fragestellungen für ML identifizieren
• Güte von ML-Modellen beurteilen
• verschiedene ML-Methoden vergleichen
• Bedeutung datengestützter Methoden für Materialeigenschaften verstehen

Aus was das Modul besteht

• VorlesungVortrag der Inhalte durch Dozenten und anschließende Diskussion; Visualisierung mittels Präsentationen
• Übungpraktische Anwendung von Python für ML und Einsatz open-source Bibliotheken in Übungen und Projektarbeiten
• Projektarbeitenpraktische Implementierung und Vergleich verschiedener ML-Anwendungen in Python

Lehrmethode

• VorlesungenVermittlung der fachlichen Grundlagen und Besprechung zentraler Konzepte
• Übungenpraktische Erfahrung mit Python, scikit-learn und PyTorch zur Umsetzung von ML-Lösungen
• ProjektarbeitAnwendung und Vertiefung der Methoden an realen Aufgabenstellungen