back to search

Intelligente Systeme und Machine Learning für Produktionsprozesse

MW1339Elective Area: Free Subject Selection5 ECTSGermansummer semesterLehrstuhl für Automatisierung und Informationssysteme (Prof. Vogel-Heuser)

This module is taught in German, so its description is only available in German.

AI-edited module sheet. Based on the TUMonline module description, edited for readability.Original in TUMonline

What it is about

Du lernst, wie verteilte intelligente Systeme für Produktionsprozesse modelliert, analysiert und entwickelt werden. Das Modul behandelt Systemmodellierung, formale Darstellung von Domänenwissen, Digitale Zwillinge sowie Datenvorverarbeitung und -analyse mit Machine Learning. Am Ende kannst Du geeignete Entwurfskonzepte bewerten und auf reale automatisierungstechnische Anlagen anwenden.

What you will be able to do

  • intelligente automatisierungstechnische Systeme systematisch modellieren und analysieren
  • Digitale Zwillinge für Produktionssysteme erstellen und anwenden
  • Entwurfskonzepte (Systemmodellierung, Agentensysteme, ML-Bewertung) bewerten
  • für eine gegebene Problemstellung eine adäquate Lösung modellieren und entwickeln
  • Herausforderungen beim Einsatz von Agenten in Automatisierung und Embedded Systems erkennen
  • Herausforderungen bei Datenanalyse und Machine Learning in realen Systemen verstehen und Lösungsansätze entwickeln

What the module consists of

  • VorlesungVermittlung der theoretischen Grundlagen zu intelligenten Systemen und ML; Diskussion praktischer Beispiele; Gastvorträge
  • ÜbungVertiefung der Grundlagen durch praktische Aufgaben an realistischen automatisierungstechnischen Systemen; individuelle Unterstützung
  • PraxisblöckeHands-on-Arbeiten: Modellinkonsistenzmanagement mit Semantic Web-Technologien und zwei Praxisblöcke zu Machine-Learning-Implementierungen
  • BlockveranstaltungDas Modul wird als Blockveranstaltung durchgeführt

Teaching method

  • VorlesungErklärung der theoretischen Grundlagen und Diskussion mit praktischen Beispielen
  • ÜbungPraktische Vertiefung der Vorlesungsinhalte an Beispielsystemen und individuelle Klärung von Verständnisfragen
  • GastvorträgeEinblick in aktuelle Forschungsthemen und Praxisbeispiele durch internationale Forschungspartner
  • PraxisblöckePraktische Implementierung von Methoden (Semantic Web, ML) zur Vertiefung des Verständnisses
  • FeedbackKontrolle des Lernfortschritts durch Rückmeldungen in Vorlesung und Übung
No dates in the current semester
There are no course dates for this module this semester, or they haven't been matched yet.

Module ratings

No ratings for this module yet.

Rate this module

Only fill in the categories you can judge – for each one, either stars and text together or nothing at all.

Lecture
Tutorial
Exam

Reviews are automatically checked before they are published.

Official page in TUMonline · Details are not binding.