Vorlesung
2 SemesterwochenstundenBTU-Vorlesungsverzeichnis ↗- Mittwoch07 Okt 2026 bis 27 Jan 202715:30 bis 17:00
← Zurück zur Übersicht
14642Fakultät 3 – Maschinenbau, Elektro- und Energiesysteme
Maschinelles Lernen für Ingenieure
Titel auf Englisch: Machine Learning for Engineers
Lernergebnisse
At the end of the module the students are able to build and apply a collection of machine learning models, ranging from simple linear predictors to deep neural networks to common engineering problems. Selection of case studies is focused on manufacturing processes. Students are able to implement data-driven algorithms of increasing complexity directly in Python. Advanced neural network architectures for image processing or time series will be based on Pytorch.
Inhalte
Brief introduction to statistical learning theory and empirical risk minimization. Supervised and unsupervised learning framework with an optional part on reinforcement learning. Supervised Learning models include linear predictors, support vector machines and neural networks. Unsupervised Learning models include dimensionality reduction via matrix decompositions (singular value decomposition, principal component analysis) or autoencoders, clustering algorithms and empeddings (t-distributed stochastic neighbour embedding).
Voraussetzungen
Verpflichtende Voraussetzungen
Keine
Empfohlene Voraussetzungen
- Mathematics for Engineers (Multivariate Calculus, Linear Algebra, Statistics)
- Programming in Python
Prüfungsmodalitäten
Oral exam (30 min) including presentation with discussion (15 slides)
Termine im WiSe 26/27
Übung
2 SemesterwochenstundenBTU-Vorlesungsverzeichnis ↗- Donnerstag08 Okt 2026 bis 28 Jan 202715:30 bis 17:00
Prüfung
BTU-Vorlesungsverzeichnis ↗- Dienstag09 Feb 202711:00 bis 17:00
Angeboten in
- Hybrid Electric Propulsion TechnologyMaster
Wahlpflichtkomplex: Kein Komplex genannt
| Studiengang | Abschluss | Wahlpflichtkomplex |
|---|---|---|
| Hybrid Electric Propulsion Technology | Master | Kein Komplex genannt |
Literatur und Materialien
None
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.