UnivIS
Informationssystem der Friedrich-Alexander-Universität Erlangen-Nürnberg © Config eG 
FAU Logo
  Sammlung/Stundenplan    Modulbelegung Home  |  Rechtliches  |  Kontakt  |  Hilfe    
Suche:      Semester:   
 
 Darstellung
 
Druckansicht

 
 
Modulbeschreibung (PDF)

 
 
Energietechnik (Master of Science) >>

Machine Learning for Engineers II: Advanced Methods (MLE2)2.5 ECTS
(englische Bezeichnung: Machine Learning for Engineers II: Advanced Methods)
(Prüfungsordnungsmodul: Machine Learning for Engineers II: Advanced Methods)

Modulverantwortliche/r: Björn Eskofier
Lehrende: Björn Eskofier, Jörg Franke, Nico Hanenkamp


Startsemester: WS 2022/2023Dauer: 1 SemesterTurnus: halbjährlich (WS+SS)
Präsenzzeit: 0 Std.Eigenstudium: 75 Std.Sprache: Englisch

Lehrveranstaltungen:


Empfohlene Voraussetzungen:

Es wird empfohlen, folgende Module zu absolvieren, bevor dieses Modul belegt wird:

Machine Learning for Engineers I: Introduction to Methods and Tools (SS 2022)


Inhalt:

This course focuses on various aspects of Deep Learning. Theoretical foundations and general concepts are introduced in the first part, while the second part focuses on specific networks used in image analysis as well as time-series analysis, two common tasks in engineering applications. The list of topics covered includes:

  • Network optimization

  • Regularization

  • Convolutional neural networks

  • Reccurent neural networks

In the integrated lab sessions, the students will tackle an image classification problem as well as a time-series regression problem using industrial datasets.

Lernziele und Kompetenzen:


Wissen
Students are able to recapitulate different machine learning methods and algorithms.
Anwenden
Students are able to choose and implement a suited deep learning algorithm for a given problem based on the type of data and the general learning task.

Literatur:

The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Trevor Hastie, Robert Tibshirani, Jerome Friedman, Springer, 2009


Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

  1. Energietechnik (Master of Science)
    (Po-Vers. 2018w | TechFak | Energietechnik (Master of Science) | Gesamtkonto | Wahlmodul aus den Modulen der technischen und naturwissenschaftlichen Fakultät | Machine Learning for Engineers II: Advanced Methods)
Dieses Modul ist daneben auch in den Studienfächern "Elektromobilität-ACES (Bachelor of Science)", "Elektromobilität-ACES (Master of Science)", "Information and Communication Technology (Master of Science)", "International Production Engineering and Management (Bachelor of Science)", "Maschinenbau (Bachelor of Science)", "Maschinenbau (Master of Science)", "Mechatronik (Master of Science)", "Wirtschaftsingenieurwesen (Bachelor of Science)", "Wirtschaftsingenieurwesen (Master of Science)" verwendbar. Details

Studien-/Prüfungsleistungen:

Machine Learning for Engineers II: Advanced Methods (Prüfungsnummer: 50681)

(englischer Titel: Machine Learning for Engineers II: Advanced Methods)

Prüfungsleistung, elektronische Prüfung, Dauer (in Minuten): 60, benotet, 2.5 ECTS
Anteil an der Berechnung der Modulnote: 100.0 %
weitere Erläuterungen:
Digital Open Book Exam via StudOn
Prüfungssprache: Englisch

Erstablegung: WS 2022/2023, 1. Wdh.: SS 2023
1. Prüfer: Björn Eskofier
Termin: 06.08.2022, 12:30 Uhr, Ort: StudOn Exam

UnivIS ist ein Produkt der Config eG, Buckenhof