StudiumLehrveranstaltungen
Masterlabor: Machine Learning in der Produktionstechnik

Masterlabor: Machine Learning in der Produktionstechnik

Art der Veranstaltung
Labor
Niveaustufe
Master
Semester

Wintersemester

Sommersemester

Creditpoints
1 CP
Anmeldeschlussn.a.
Veranstaltungsbeginnn.a.

ZIEL DER LEHRVERANSTALTUNG

Durch maschinelles Lernen können Produktionsanlagen Prozesse bzw. Algorithmen selbstständig erlernen und Entscheidungen in Abhängigkeit der Eingangsparameter treffen. Eine wesentliche Herausforderung beim Einsatz von Neuronalen Netzten ist jedoch, dass die Netzarchitektur, die Lernparameter, die Datensatzgröße sowie die Bewertungskriterien problemspezifisch sind und es deshalb keine allgemeingültigen Richtlinien zur Problemlösung mithilfe Neuronaler Netze gibt.

Ziel dieses Labors ist es den Teilnehmern die praktische und anwendungsnahe Implementierung von Neuronalen Netzen in der Produktionstechnik zu vermitteln. Durch die ganzheitliche Betrachtung des Lösungsprozesses im Labor lernen die Teilnehmenden ihr theoretisches Wissen zur Künstlichen Intelligenz mit der Programmierung Neuronaler Netze zu verknüpften und erhalten in der Praxisaufgabe ein direktes Feedback zu ihren theoretischen Überlegungen.

INHALT DER LEHRVERANSTALTUNG

Die Veranstaltung gliedert sich in zwei Arbeitsabschnitte. Im ersten Laborabschnitt sollen sich die Teilnehmenden selbstständig in die für das Labor notwendigen theoretischen Grundlagen einarbeiten und mit einer Programmieraufgabe zu Neuronalen Netzen auseinandersetzen. Am Labortermin besteht die Aufgabe darin, mithilfe der erlernten Grundlagen einen Recyclingprozess für Getränkeverschlüsse durch Methoden des maschinellen Lernens zu automatisieren.

Nach erfolgreicher Absolvierung des Moduls sind die Teilnehmenden in der Lage:

·         Datensätze für Neuronale Netze zu erstellen,

·         einfache Neuronale Netze zur Objektklassifizierung in Python zu programmieren,

·         Neuronale Netze auf Basis eines Datensatzes zu trainieren,

·         die Performance eines Neuronalen Netzes zu bewerten,

·         trainierte Netze für Aufgaben im Maschinenbau zu nutzen,

·         einzuschätzen, für welche Aufgaben der Einsatz von Neuronalen Netzen geeignet ist.

Die Anmeldung erfolgt über Stud.IP zum Semesterbeginn. Maximal 40 Teilnehmer.

IHRE PROFESSORIN

Prof. Dr.-Ing. Annika Raatz
Professorinnen und Professoren
Adresse
An der Universität 2
30823 Garbsen
Gebäude
Raum
214
Prof. Dr.-Ing. Annika Raatz
Professorinnen und Professoren
Adresse
An der Universität 2
30823 Garbsen
Gebäude
Raum
214

FRAGEN RICHTEN SIE BITTE AN

Niklas Terei, M.Sc.
Wissenschaftlicher Mitarbeiter
Niklas Terei, M.Sc.
Wissenschaftlicher Mitarbeiter