Künstliche Intelligenz im Ingenieurwesen - Grundlagen und Werkzeuge (Mathematik)
Titel auf Englisch: Artificial Intelligence in Engineering - Basics and Tools (Mathematics)
Lernergebnisse
Nach erfolgreichem Abschluss des Moduls besitzen die Studierenden einen Einblick in die theoretischen Grundlagen der künstlichen Intelligenz - insbesondere neuronale Netze, Clusteralgorithmen und Reinforcement Learning - sowie Erfahrung in der praktischen Umsetzung solcher Verfahren. Durch gemeinsame Arbeit mit Studierenden des Bauingenieurwesens haben sie gelernt, mit ingenieurwissenschaftlichen Problemen in diesem interdisziplinären Bereich umzugehen. Sie können bewerten, für welche Art von ingenieurwissenschaftlichen Problemstellungen welche KI-Methoden zur Anwendung kommen können. Sie verfügen über grundlegende Kenntnisse zur Anwendung einiger Werkzeuge sowie für die Beschreibung und Lösung verschiedener interdisziplinärer Problemstellungen. Sie haben die Fähigkeit, neben den fertigen Tools auch eigene Algorithmen entwickeln und anwenden zu können. Sie haben Einblicke zum aktuellen Einsatz von Methoden und Werkzeugen aus dem Bereich der KI in verschiedenen Anwendungsfeldern des allgemeinen Ingenieurwesens. Sie können die erlernten Fähigkeiten für die Lösung von neuartigen Problemstellungen in verschiedensten Anwendungsbereichen der späteren Praxis einsetzen und damit zum Wissenstransfer beitragen.
Inhalte
- Einführung in die theoretischen Grundlagen der künstlichen Intelligenz
- Einführung für die Anwendung von KI im Ingenieurwesen
- Grundlagen zu Methoden der künstlichen Intelligenz: Neuronale Netze und ihre Anwendung, Clusteralgorithmen und Reinforcement Learning
- Überblick über Methoden der mathematischen Optimierung im BauingenieurwesenGemeinsame interdisziplinäre Arbeit mit Studierenden des Bauingenieurwesens
- Behandlung aktueller interdisziplinärer Beispiele aus dem Ingenieurwesen
- Grundkonzepte zur Modellierung verschiedener Aufgabentypen mittels parametrischer Modellierung zur Generierung großer Datenmengen
- Parametrische Modellierung mit der Software Grasshopper
- Anwendung von KI-Toolboxen in Grasshopper
- Anwendung von KI-Toolboxen mit Python
Voraussetzungen
Verpflichtende Voraussetzungen
Keine
Empfohlene Voraussetzungen
Grundkenntnisse in einer beliebigen Programmiersprache
Prüfungsmodalitäten
- 6 zweiwöchentliche Hausaufgaben zu Programmierung und Simulation, Umfang: Bearbeitungszeit je 1- 10 Stunden pro Aufgabenblatt (je 12,5 %)
- Komplexaufgabe mit Präsentation, 15 Minuten (25 %)
Angeboten in
- Angewandte MathematikM.Sc.
Wahlpflichtkomplex: Anwendungen
- Angewandte MathematikM.Sc.
Wahlpflichtkomplex: Bauingenieurwesen
- Angewandte MathematikM.Sc.
Wahlpflichtkomplex: Optimierung
| Studiengang | Abschluss | Wahlpflichtkomplex |
|---|---|---|
| Angewandte Mathematik | M.Sc. | Anwendungen |
| Angewandte Mathematik | M.Sc. | Bauingenieurwesen |
| Angewandte Mathematik | M.Sc. | Optimierung |
Literatur und Materialien
- Norwig, P., and S. Russell. Künstliche Intelligenz - Ein Moderner Ansatz, 2011
- Dörn, Sebastian. Programmieren für Ingenieure und Naturwissenschaftler. Berlin, 2018
- Matzka, Stephan. Künstliche Intelligenz in den Ingenieurwissenschaften: Maschinelles Lernen verstehen und bewerten: Wiesbaden, 2021
- Tedeschi, A: AAD Algorithms-Aided Design Taschenbuch
Bewertungen von Studierenden
Was Studierende über dieses Modul sagen. Die BTU hat damit nichts zu tun — hier schreiben nur Studierende, und jede Bewertung ist die Meinung einer einzelnen Person.