zurück zur Suche

Grundlagen des "Machine Learning" für die Physik

NAT3009Physikalische Spezialfächer und Theoriefach5 ECTSWintersemesterStudiengangsbündel Professional Profile Physik

In 5 Stundenplänen von Kommilitonen

KI-überarbeitetes Infoblatt. Auf Basis der TUMonline-Modulbeschreibung, sprachlich aufbereitet.Original in TUMonline

Worum geht's

Du lernst grundlegende Konzepte und Methoden des Machine Learning mit Fokus auf Anwendungen in der Physik. Am Ende kannst du grundlegende Klassifikations- und Regressionsmodelle sowie Ensembleverfahren verstehen, einschätzen und einfache Beispielrechnungen dazu durchführen.

Was du danach kannst

  • Grundverständnis von Klassifikationsmodellen
  • Grundverständnis von Regressionsmodellen
  • Kenntnis wichtiger Ensemblemethoden (z.B. Boosting bei Entscheidungsbäumen)
  • Verständnis von Modelloptimierung
  • Erkennen und Kontrollieren von Overfitting/Underfitting
  • Wissen zu grundlegenden Methoden der Datenvorverarbeitung
  • Anwenden von Metriken für Regression und Klassifikation

Aus was das Modul besteht

  • VorlesungVermittlung der theoretischen Grundlagen und Fragestellungen
  • ÜbungEinüben der behandelten Problemstellungen; Teilnahme wird dringend empfohlen

Lehrmethode

  • Vorlesungeinführen und erklären der Konzepte
  • Übungenpraktische Festigung und Vorbereitung auf die Modulprüfung

Termine

VorlesungGrundlagen des "Machine Learning" für die Physik

ÜbungÜbung zu Grundlagen des "Machine Learning" für die Physik

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

Bewertungen werden vor der Veröffentlichung automatisch geprüft.

Offizielle Seite in TUMonline · Angaben unverbindlich.