zurück zur Suche

Machine Learning for Electronic Design Automation and Manufacturing

CIT433031Wahlmodulkatalog Informatik5 ECTSEnglischWintersemester/SommersemesterDepartment Computer Engineering
KI-überarbeitetes Infoblatt. Auf Basis der TUMonline-Modulbeschreibung, sprachlich aufbereitet.Original in TUMonline

Worum geht's

Du lernst, wie Machine-Learning-Methoden die Entwicklung, das Design, die Prüfung und die Fertigung von Chips unterstützen und verbessern können. Das Modul verbindet theoretische Grundlagen mit aktuellen Verfahren und hands-on Übungen, sodass Du Machine-Learning-Ansätze auf konkrete Design-Automation- und Manufacturing-Aufgaben anwenden kannst.

Was du danach kannst

  • Verstehen, wie ML in Entwicklung, Design, Test und Fertigung von Chips eingesetzt wird
  • Erkennen, welche Design- und Fertigungsprobleme datengetrieben angegangen werden können
  • Kenntnis der Anforderungen und Best Practices für ML-Einführung in industriellen Chip-Workflows
  • Vertrautheit mit relevanten Datenstrukturen und Stand-der-Technik-Tools
  • Praktische Umsetzung und Anpassung von ML-Algorithmen für EDA- und Manufacturing-Aufgaben

Aus was das Modul besteht

  • VorlesungVermittlung der Hauptkonzepte per Folien und Whiteboard-Skizzen
  • Hands-on Sessions / ÜbungenVertiefung durch praktische Implementierung und Anwendung der Algorithmen

Lehrmethode

  • Präsentationen (Vorlesung)Einführung und Erklärung der Kernkonzepte
  • Hands-on ÜbungenPraxisnahe Vertiefung und Bewertung der Umsetzbarkeit von Algorithmen

Termine

Vorlesung mit ÜbungMachine Learning for Electronic Design Automation and Manufacturing

  • Fr.13:00–16:00Online: Videokonferenz
    15× · 16.10.–05.02.
    • 16.10.
    • 23.10.
    • 30.10.
    • 06.11.
    • 13.11.
    • 20.11.
    • 27.11.
    • 04.12.
    • 11.12.
    • 18.12.
    • 08.01.
    • 15.01.
    • 22.01.
    • 29.01.
    • 05.02.

Aus dem laufenden Semester, unverbindlich.

Modulbewertungen

Noch keine Bewertungen für dieses Modul.

Modul bewerten

Fülle nur die Kategorien aus, die du beurteilen kannst – je Kategorie entweder Sterne und Text zusammen oder gar nichts.

Vorlesung
Übung
Prüfung

Offizielle Seite in TUMonline · Angaben unverbindlich.