Übersicht über die Workshops

  • Alle Workshops
  • Fokus 1
  • Fokus 2
  • Fokus 3
  • Fokus 4
  • Foundations
  • Tools
  • Use Cases
  • Novice
  • User
Fokus 1: Grundlagen des Maschinellen Lernens

Vermittlung von statistischen und mathematischen Konzepten und Programmen des Maschinellen Lernens, die als Grundlage für die Anwendung im ingenieurs‑ und betriebswissenschaftlichen Kontext dienen (wie z.B. grundlegende ML Algorithmen wie Support Vector Machines, neurale Netze).

Fokus 2: Maschinenbau

Anwendung von Machine Learning auf spezifische Fragestellungen der Entwicklungs‑ und Produktionsprozesse im Maschinenbau (wie z.B. Regelungstechnik, Strömungsmechanik, dynamisches Verhalten von Systemen, Design von Materialien).

Fokus 3: Elektro‑ und Informationstechnik

Anwendung von Machine Learning auf spezifische Fragestellungen der Entwicklungs‑ und Produktionsprozesse in der Elektrotechnik (wie z.B. Bildverarbeitung, Gestenerkennung, Nachrichtentechnik, elektrische Energieversorgung, elektro‑magnetische Verträglichkeit).

Fokus 4: Betriebswirtschaft und Logistik

Einbettung der ingenieursspezifischen Themen in den gesamtheitlichen, betriebswirtschaftlichen Unternehmenskontext (wie z.B. Business Analytics, Supply Chain Management).

Foundations

Diese Workshops beschäftigen sich vor allem mit (mathematische) Grundlagen, die ihren Einsatz im Machine Learning finden. Teilnehmer der MLE‑Days bekommen hier einen grundlegenden Einblick in fundamentale Themen.

Tools

Diese Workshops beschäftigen sich vor allem mit Informationstechnischen Werkzeugen, die ihren Einsatz im Machine Learning finden. Teilnehmer der MLE‑Days bekommen hier eine Einführung in die Anwendung von verschiedenen ML‑Tools.

Use Cases

Diese Workshops beschäftigen sich vor allem mit der praktischen Anwendung von Machine Learning Themen im Ingenieur‑ und Wirtschaftswissenschaftlichen Bereich. Teilnehmer der MLE‑Days bekommen hier einen Überblick über verschiedene Anwendungsbereiche, ‑möglichkeiten anhand von praktischen Beispielen.

Novice

Es werden keine Vorkenntnisse oder Erfahrungen erwartet. Diese Workshops richten sich an alle Teilnehmer der MLE‑Days. Diese Workshops sind entsprechend auch für Einsteiger geeignet mit 0‑1 Jahr Erfahrung.

User

Vorerfahrungen sind von Vorteil. Diese Workshops richten sich an Teilnehmer der MLE‑Days, die sich bereits gelegentlich mit Machine Learning Themen auseinandergesetzt haben. Diese Workshops sind entsprechend für Gelegenheitsnutzer geeignet ab 1‑2 Jahren Erfahrung.

F1-T1-I

90 min

Fundamentale Algorithmen des Maschinellen Lernens

  • Prof. Mnich
mehr >

F1-T1-II

90 min

Einführung in Support Vector Machines

  • Prof. Schulte
mehr >

F1-T1-III

90 min

Ausgewählte Tools für Maschinelles Lernen

  • Dr. Dostal
mehr >

F1-T2-I

180 min

Optimierungs­verfahren und Regularisierungs­techniken für Maschinelles Lernen

  • Dr. Götschel
mehr >

F1-T2-II

180 min

Klassifikation handgeschriebener Zahlen mit Hilfe eines mehrschichtigen neuronalen Perceptron (MLP)-Netzes und Jupyter-Notebooks

  • Prof. Meißner
mehr >

F1-T2-III

90 min

Scientific Programming with Julia

  • Prof. Knopp
mehr >

F1-T2-IV

90 min

Detecting Faults, Failures, and Anomalies with Machine Learning

  • Prof. Fey
mehr >

F2-T1-I

90 min

Datenbasierte Modellierung und Regelung nichtlinearer dynamischer Systeme - Theorie und praktische Umsetzung

  • Dr. Dostal
mehr >

F2-T1-II

90 min

Maschinelles Lernen in der Mechanischen Dynamik

  • Prof. Hoffmann
mehr >

F2-T1-III

90 min

Quantitative Struktur-Eigenschafts-Beziehungen zur Auswahl effizienter Additive im Materialdesign

  • Dr. Vonbun-Feldbauer
mehr >

F2-T2-I

45 min

Maschinelles Lernen in der Dynamik Maritimer Systeme

  • Dr. Klein
mehr >

F2-T2-II

45 min

Datenbasierte Modellierung in der Strömungsmechanik

  • Prof. Rung
mehr >

F2-T2-III

45 min

Detektion von "Weak Bonds" mit Hilfe eines neuronalen Netzes

  • Prof. Meißner
mehr >

F2-T2-IV

45 min

Effiziente Quantifizierung von Unsicherheiten (Monte-Carlo-Simulationen) mittels Ersatzmodellen

  • Prof. Kriegesmann
mehr >

F3-T1-I

90 min

Keine Angst vor der KI: Möglichkeiten und Grenzen des Maschinellen Lernens am Beispiel von medizinischen Anwendungen

  • Prof. Schlaefer
mehr >

F3-T1-II

90 min

Maschinelles Lernen für die medizinische Bildverarbeitung

  • Prof. Schlaefer
mehr >

F3-T1-III

90 min

Einsatz von KI für die Betriebsführung elektrischer Netze

  • Prof. Becker
mehr >

F3-T2-I

180 min

Implementation von Neuronalen Netzen auf ressourcen­beschränkten Mikrocontrollern für den Einsatz in der Sensorik

  • Dr. Venzke
mehr >

F3-T2-II

90 min

Machine Learning for Communications Engineering

  • Prof. Bauch
mehr >

F3-T2-III

90 min

Einsatz und Chancen von Methoden des Maschinellen Lernens in der Elektromagnetischen Verträglichkeit

  • Prof. Schuster
mehr >

F4-T1-I

90 min

Identifikation von Anwendungsfeldern für Maschinelles Lernen im Supply Chain Risiko Management

  • Prof. Kersten
mehr >

F4-T1-II

180 min

Maschinelles Lernen mit Graphen

  • Prof. Ihl
mehr >

F4-T2-I

180 min

Methoden des Maschinellen Lernens in der Maritimen Logistik

  • Prof. Jahn
mehr >

F4-T2-II

90 min

Sequenzmodellierung mit Deep Learning

  • Prof. Gollnick
mehr >

F4-T2-III

90 min

Business Analytics mit der PLS-Pfadanalysemethode

  • Prof. Ringle
mehr >