Machine Learning in der Technischen Mechanik

Worum geht's

Du lernst, wie Methoden des Machine Learning auf Probleme der numerischen technischen Mechanik angewendet werden können. Das Modul vermittelt Grundlagen, Modellreduktionsverfahren sowie neuronale Netze und zeigt, wie aus Daten valide Vorhersagemodelle entstehen und praktisch genutzt werden können. Am Ende kannst du passende ML-Methoden einschätzen und auf ingenieurtechnische Fragestellungen anwenden.

Was du danach kannst

• Grundlegende Konzepte, Algorithmen und Funktionsweisen des Machine Learning wiedergeben und anwenden
• Unterschiede und Eigenheiten verschiedener ML-Methoden unterscheiden
• Anwendbarkeit der besprochenen Methoden für spezielle Anwendungen einschätzen
• Schritte zur Modellreduktion durchführen
• Datensätze für ML-Algorithmen vorbereiten
• Klassifizierung und Feature Extraction durchführen

Aus was das Modul besteht

• VorlesungVermittlung der theoretischen Grundlagen und Demonstration am Datensatz; Vortragsmaterialien und Aufzeichnungen werden bereitgestellt
• ÜbungPraktische Programmieraufgaben in Python zur Anwendung des Gelernten; Lösungen werden diskutiert

Lehrmethode

• Vortrag / Präsentationzur Vermittlung der theoretischen Grundlagen
• Tablet-PC mit Beamer / Tafelanschriebvisuelle Darstellung von Inhalten und Herleitungen
• Programmieren am Rechner (Python 3.x)praktische Umsetzung von ML-Methoden und Modellbildung
• KleinprojekteAnwendung auf praktische ingenieurtechnische Probleme, inkl. Umgang mit kommerzieller FE-Software
• Bereitstellung von Materialien über TUM-MoodleZugriff auf Vorlesungs- und Übungsunterlagen