Machine Learning und Künstliche Intelligenz werden in diesem Seminar im Kontext des Maschinenbaus praxisnah vermittelt. Algorithmen des Supervised und Unsupervised Learnings werden anwendungsorientiert eingeführt und anhand von Beispielen, Aufgaben und Mini-Projekten im Kontext der vorausschauenden Wartung (engl. Predictive Maintenance) vertieft und eingeübt. Im Speziellen werden die Teilaspekte Remaining Useful Life (RUL) Prediction, Time to Failure (TTF) Prediction, Fault Classification, Anomaliedetektion der Predictive Maintenance behandelt. Da es sich um ein aktuelles und dynamisches Thema handelt, fließen Erkenntnisse aus aktuellen Publikationen im Kontext der Predictive Maintenance mit in das Seminar ein.
Dozent Prof. Dr. Markus Goldhacker, Fakultät M |
Angeboten in folgenden Studiengängen Wahlpflichtbereich EI/REE/ISE/ME (Bachelor) PA (M) |
Geöffnet für Studierende folgender Fakuläten A, B, IM, S sowie für den Bachelor Maschinenbau |
Veranstaltungstyp Seminaristischer Unterricht |
Lehrsprache Deutsch |
4 SWS / 5 ECTS |
Modultermine Diese Angaben können sich noch ändern – bitte vergewissern Sie sich kurz vor Kursbeginn nochmal auf WebUntis oder auf dieser Seite! Montags, 10:00 – 11:30 Uhr Dienstags, 15:30 – 17:00 Uhr |
Anmeldung Studierende der EI-Studiengänge sowie des Studiengangs PA nutzen bitte die für ihre Fakultäten üblichen Anmeldeprozesse. Studierende, die diesen Kurs als freiwilliges Zusatzfach besuchen möchten melden sich bitte über WebUntis an. Die RSDS-Kurse finden Sie unter Kurse > Kursmodule > RSDS |
Diese Kursübersicht ist ein Informationsangebot, bindend sind die Angaben in den Modulhandbüchern der einzelnen Studiengänge.
©Photo by Stella Jacob on UnPhoto by Shahadat Rahman on Unsplash