Machine Learning in der Systemdynamik

Die Vorlesung behandelt die Grundlagen des maschinellen Learning mit Bezug auf praktische Probleme in der Systemdynamik.

Allgemeine Informationen

Dozent

Dr.-Ing. Michael Böhm

Semester

Winter

Umfang

3 ECTS

Sprache

Deutsch

Termine

Zeitraum: Wintersemester 2022/2023

Details: siehe ILIAS

Diese Veranstaltung wird das nächste Mal im Wintersemester 2022/2023 angeboten.

Beschreibung

Die Vorlesung behandelt unter anderem folgende Themen:

  • Wahrscheinlichkeitstheorie
  • Regression und Gaußsche Prozesse
  • Neuronale Netze
  • Klassifikation
  • Reinforcement Learning

Informationen

  • Organistorische Hinweiße und Änderungen werden ausschließlich im ILIAS-Kurs kommuniziert.
  • Alle Unterlagen zu den Vorlesungen und Übungen stehen im ILIAS-Kurs bereit.
  • Voraussetzung: Höhere Mathematik I+II, Informatik (Programmierung), Statistik

Literatur

  • Ethem Alpaydin. Maschinelles Lernen. Oldenbourg Verlag, 2008.
  • Jan Lunze. Künstliche Intelligenz für Ingenieure: Methoden zur Lösung ingenieurtechnischer Probleme mit Hilfe von Regeln, logischen Formeln und Bayesnetzen. De Gruytier Oldenbourg, 2016.
  • Christopher M. Bishop. Pattern Recognition and Machine Learning. Springer Verlag, 2006.
  • Carl E. Rasmussen und Christopher K. I. Williams. Gaussian Processes for Machine Learning. MIT Press, 2006.
  • Trevor Hastie, Robert Tibshirani und Jerome Friedman. The Elements of Statistical Learning. Springer Verlag, 2009.

Ansprechpartner

Dieses Bild zeigt Philip Neureuther

Philip Neureuther

M.Sc.

Wissenschaftlicher Mitarbeiter

Dieses Bild zeigt Jonas Stiefelmaier

Jonas Stiefelmaier

M.Sc.

Wissenschaftlicher Mitarbeiter

Zum Seitenanfang