direkt zum Inhalt springen

direkt zum Hauptnavigationsmenü

Sie sind hier

TU Berlin

Page Content

There is no English translation for this web page.

Data Science in Engineering

Lernergebnisse

Die Studierenden erhalten einen Überblick über die modernen Methoden des Data Science in den Ingenieurwissenschaften mit einem Fokus auf der chemischen Verfahrenstechnik. Die Studierenden kennen die grundlegenden Methoden der Datenvorbehandlung, der Feature-Extraktion und können diese anwenden. Nach Abschluss des Moduls haben die Studierenden einen Überblick über die Methoden zur daten-getriebenen Modellierung, Trainingsverfahren des maschinellen Lernens und können diese anhand frei verfügbarer Frameworks eigenständig auf verfahrenstechnische Beispiele anwenden.

Lehrinhalte

Behandelt werden (i) die Grundlagen zur Datenvorbehandlung wie Multikollinearität, Lineare Abhängigkeiten, Imputation fehlender Werte, Anomaliedetektion, Umgang mit Ausreißern, (ii) Methoden zur Feature-Selektion und -Extraktion zum Beispiel unter Nutzung von Stepwise Variable Selection, Lasso, L1-Regularisierung, BoxCox Transformation, PCA und PLS, (iii) basierend darauf werden überwachte und unüberwachte Methoden des maschinellen Lernens eingeführt, um Klassifikations- und Regressionsprobleme zu lösen, (iv) neben linearen Methoden werden auch nichtlineare Methoden eingeführt wie Random Forst, Support Vector Machines und neuronale Netze. Die Methoden werden anhand von Beispielen aus dem Chemieingenieurwesen bzw. der Verfahrenstechnik erläutert und die Beispiele den Studierenden zur Verfügung gestellt. Zur Anwendung kommen Softwareframeworks in Python (Python-Kenntnisse sind keine Voraussetzung, s.u.)

Nummer:
30855, Integrierte LV (2 SWS, VL mit UE)
Dozenten:
Badinski, Weigert
Sprache/Language
German
Termine:

Wird noch bekanntgegeben (wöchentlich)
Dozent: Badinski
Online Kurs auf ISIS
Turnus:
Wird noch bekanntgegeben
Bemerkungen:

Bestandteil des Moduls "Data Science in Engineering"
Studiengänge:

Energie- und Verfrahrenstechnik, PEESE, Regenerative Energiesysteme, Informationstechnik im Maschinenwesen, Chemieingenieurwesen, Informatik, Physik - jeweils als Wahlfach/Zusatzfach
Lerninhalte:

 siehe oben
Prüfung:
mündliche Rücksprache (20%), Programmierprojekt (80%)

Diese Lehrveranstaltung wird in der Lernumgebung ISIS "Data Science in Engineering" betreut. (Link zum ISIS-Kurs)

Anmeldung/Registration

Zusatzinformationen / Extras

Quick Access:

Schnellnavigation zur Seite über Nummerneingabe