Die fortschreitende Digitalisierung eröffnet neue Möglichkeiten in der Wertschöpfungskette. Mit der zunehmenden Integration von Sensoren können relevante Parameter von Systemen kontinuierlich erfasst und in stetig wachsenden Datenbanken abgelegt werden. Es ist so beispielsweise möglich, technische Systeme hinsichtlich Ihrer Gesundheit zu überwachen. Neben konventionellen Ansätzen auf Basis einer physikalischen Modellierung treten in den letzten Jahren datenbasierte Methoden im Bereich des maschinellen Lernens in den Vordergrund. Entsprechende Algorithmen können auf der verfügbaren Datenbasis Modelle trainieren, mit denen neue Datensätze interpretiert und beispielsweise in einen Gesundheitszustand überführt werden können.
Diese Ansätze sind nicht nur aus informationstechnischer Sicht interessant, sondern können insbesondere durch das Expertenwissen, wie es Ingenieure beitragen, profitieren. Damit sind beispielsweise Maschinenbauingenieure gefragt, sinnvolle Messgrößen auszuwählen, welche in datenbasierte Modelle überführt werden können.
In dieser Vorlesung sollen die Studierenden anhand von Beispielen aus der aktuellen Forschung der beteiligten Institute anwendungsorientierte Einblicke in die Grundlagen des maschinellen Lernens bekommen. Dabei bringt die Vorlesung relevante Bereiche der Statistik, des Data Mining sowie der Algorithmenentwicklung näher. Auf Basis der vorgestellten Anwendungsfälle lernen die Studierenden aus ingenieurstechnischer Sicht interessante Daten zu sammeln, die Daten zu filtern, relevante Merkmale zu extrahieren und Modelle zur Diagnose und Prognose anhand von Methoden des maschinellen Lernens aufzubauen. Gängige Prozessmodelle werden ebenso gelehrt wie die abschließende Evaluation und Bewertung der entwickelten Methoden und Modelle.
Machine Learning Anwendungen ist eine Veranstaltung aus dem Wahlpflichtbereich Ib im Master Maschinenbau mit 6 CP.
