16-09-4274-tt Tutorial Software Engineering for Machine Learning Applications in Manufacturing

Lehrende: Prof. Dr.-Ing. Joachim Metternich

Veranstaltungsart: Tutorium

Orga-Einheit: FB16 Maschinenbau

Anzeige im Stundenplan: Tut Software Eng

Fach:

Anrechenbar für:

Semesterwochenstunden: 4

Unterrichtssprache: Englisch

Min. | Max. Teilnehmerzahl: - | -

Digitale Lehre:
Das Tutorium wird vorbehaltlich der dynamischen Corona-Lage in Präsenz durchgeführt.

Für die Durchführung der Übungen im Theorieteil sowie die Bearbeitung des Praxisteils, wird ein eigener mobiler PC/Laptop benötigt.

Lehrinhalte:
Ziel des Tutoriums ist es, den Studierenden den Umgang mit den Methoden des maschinellen Lernens und der professionellen Softwareentwicklung im Kontext der Produktion, sowohl theoretisch als auch praktisch am Beispiel der Prozesslernfabrik CiP, zu vermitteln. 

Voraussetzungen:
Vorkenntnisse in der Programmierung mit Python sind erforderlich. Im Rahmen des Tutoriums kann leider kein Grundlagenkurs in der Programmierung mit Python gegeben werden. Fehlende Vorkenntnisse führen während des Tutoriums zu einem höheren Einarbeitungsaufwand für die Programmierungsaufgaben. Referenzen für die Einarbeitung in Python werden vor Beginn des Tutoriums an die Teilnehmer versendet.

Erwartete Teilnehmerzahl:
Die Teilnehmerzahl ist auf 15 Studierende begrenzt. Bitte schicken Sie bei Interesse zunächst eine E-Mail an tutorium-seml@ptw.tu-darmstadt.de. Sobald Sie eine positive Rückmeldung der Organisatoren per E-Mail erhalten, können Sie sich in TuCan anmelden.

Offizielle Kursbeschreibung:
Nachdem die Studierenden die Lerneinheit erfolgreich abgeschlossen haben, sollten sie in der Lage sein, Problemstellungen aus der Produktion, unter Einhaltung der Vorgaben von Zeit, Qualität und Kosten mithilfe von Methoden des maschinellen Lernens softwaretechnisch zu lösen.

 

Hierfür werden die Studierenden befähigt:

• Methoden und Instrumente der professionellen Softwareentwicklung zu erklären und selbstständig anzuwenden.
  


• Verwendung der Programmiersprache Python
  


• Grundlagen der objektorientierten Programmierung
  
• Verwendung von Software-Tests zur Qualitätssicherung
  


• Verwendung der Versionsverwaltungssoftware Git
  
• Verwendung von Linux in der Entwicklung
  


• Methoden und Instrumente des maschinellen Lernens zu erklären und selbstständig im Kontext der Produktion anzuwenden.
  


• Umgang mit etablierten Prozessmodellen (CRISP-DM etc.)
  
• Erklärung und Auswahl geeigneter Ansätze des maschinellen Lernens (Regression, Classification, etc.) für gegebene Anwendungsfälle
  
• Erklärung und Auswahl geeigneter Ansätze des Deep Learning für gegebene Anwendungsfälle
  
• Verwendung von relevanten Python-Bibliotheken im Kontext des maschinellen Lernens (NumPy, Pandas, scikit-learn, Keras)
  


• Ausgewählte Lösungen für Probleme im Kontext der Produktion gemeinsam im Team zu entwickeln und umzusetzen.
  
• Die Ergebnisse übersichtlich zusammenzustellen, zu präsentieren und kritisch zu bewerten