|
Modulbezeichnung (engl.):
Machine Learning and Identification |
|
Code: WiMb19NT108 |
1SU+3PA (4 Semesterwochenstunden) |
6 |
Studiensemester: 1 |
Pflichtfach: nein |
Arbeitssprache:
Deutsch |
Prüfungsart:
Projektarbeit
[letzte Änderung 10.02.2021]
|
Die Präsenzzeit dieses Moduls umfasst bei 15 Semesterwochen 60 Veranstaltungsstunden (= 45 Zeitstunden). Der Gesamtumfang des Moduls beträgt bei 6 Creditpoints 150 Stunden (25 Std/ECTS). Daher stehen für die Vor- und Nachbereitung der Veranstaltung zusammen mit der Prüfungsvorbereitung 105 Stunden zur Verfügung.
|
Empfohlene Voraussetzungen (Module):
WiMb19NT106 Computer Aided Engineering
[letzte Änderung 10.02.2021]
|
Als Vorkenntnis empfohlen für Module:
|
Modulverantwortung:
Prof. Dr. Frank Kneip |
Dozent/innen: Prof. Dr. Frank Kneip
[letzte Änderung 10.02.2021]
|
Lernziele:
• Die AbsolventInnen haben Grundkenntnisse im Bereich des Machine Learnings und der Identifikation • Die AbsolventInnen haben vertiefte Kenntnisse in Verfahren zur Parameter- und Zustandsschätzung • Die AbsolventInnen können Zustände eines Systems (z.B. einer technischen Maschine oder eines ökonomischen Systems) und/oder dessen Parametrisierung aus vorliegenden Datensätzen ermitteln [OE+1+0+0+1+0+0=2]
[letzte Änderung 21.03.2020]
|
Inhalt:
• Lineare Regression • Iterative Verfahren • Verfahren zur Parameteridentifikation • Zustandsschätzungen eines dynamischen Systems
[letzte Änderung 21.03.2020]
|
Weitere Lehrmethoden und Medien:
• Unterstützende Vorlesungsteile zur Einführung in Machine Learning und Identifikation (insb. Zustands- und Parameterschätzungen) • Eigenständige Projektarbeit/Fallstudien unter Anleitung • Diskussionen zwischen Studierenden und Dozent/innen • Die Ergebnisse der Projektarbeit sind in geeigneter Form (schriftliche Ausarbeitung und Präsentation) zu dokumentieren.
[letzte Änderung 21.03.2020]
|
Literatur:
• Wird zu Beginn der Veranstaltung bekannt gegeben
[letzte Änderung 21.03.2020]
|