18-ad-2100-vl Machine Learning und Deep Learning in der Automatisierungstechnik

Lehrende: Dr.-Ing. Michael Vogt

Veranstaltungsart: Vorlesung

Orga-Einheit: FB18 Elektrotechnik und Informationstechnik

Anzeige im Stundenplan: VL Machine Learning

Fach:

Anrechenbar für:

Semesterwochenstunden: 2

Unterrichtssprache: Deutsch

Min. | Max. Teilnehmerzahl: - | -

Lehrinhalte:

• Einführung
  
• Lineare Verfahren
  
• Support Vector Machines
  
• Ensemble-Verfahren und Boosting
  
• Training und Bewertung
  
• Unüberwachtes Lernen
  
• Neuronale Netze
  
• Faltende Neuronale Netze (CNNs)
  
• CNN-Architekturen und –Anwendungen
  
• Rekurrente Neuronale Netze (RNNs)*]
  

Literatur:

• T. Hastie et al.: The Elements of Statistical Learning. 2. Aufl., Springer, 2008
  
• I. Goodfellow et al.: Deep Learning. MIT Press, 2016
  
• A. Géron: Hands-On Machine Learning with Scikit-Learn and TensorFlow. O’Reilly, 2017*]
  

Voraussetzungen:
Grundlegende Kenntnisse in linearer Algebra und Statistik
Wünschenswert: Vorlesung „Fuzzy-Logik, Neuronale Netze und Evolutionäre Algorithmen“