Physikbasiertes Machine Learning
Physics-Informed Machine Learning
Lehrveranstaltung 0000003399 im SS 2021
Basisdaten
| LV-Art | Vorlesung |
|---|---|
| Umfang | 2 SWS |
| betreuende Organisation | Professur für Multiscale Modeling of Fluid Materials (Prof. Zavadlav) |
| Dozent(inn)en | |
| Termine |
Zuordnung zu Modulen
-
MW2450: Physikbasiertes Machine Learning / Physics-Informed Machine Learning
Dieses Modul ist in den folgenden Katalogen enthalten:- Allgemeiner Katalog der nichtphysikalischen Wahlfächer
weitere Informationen
Lehrveranstaltungen sind neben Prüfungen Bausteine von Modulen. Beachten Sie daher, dass Sie Informationen zu den Lehrinhalten und insbesondere zu Prüfungs- und Studienleistungen in der Regel nur auf Modulebene erhalten können (siehe Abschnitt "Zuordnung zu Modulen" oben).
| ergänzende Hinweise | Das Modul deckt ausgewählte Themen des maschinellen Lernens ab, die von einführenden Beispielen bis hin zum Stand der Technik reichen. Verschiedene Bereiche und Herangehensweisen (supervised, unsupervised und reinforcement learning, parametric vs. non-parametric, etc.) werden anhand von aktuellen Beispielen vorgestellt. Der Fokus liegt auf (i) Modellen für die Klassifikation und Regression (lineare Regression, Bayessche Unsicherheitsbestimmung und Modellselektion, spärliche Algorithmen, tiefe neuronale Netze, stochastisches Gradientenverfahren), (ii) Modellen für Clustering und Dimensionsreduktion (k-means, PCA, Autoencoder, Selbstorganisierende Karten), und (iii) generativen Modellen (Variations-Autoencoder, generative adversarial networks). |
|---|---|
| Links |
LV-Unterlagen E-Learning-Kurs (z. B. Moodle) Zusatzinformationen TUMonline-Eintrag |
Gleiche Lehrveranstaltungen (z. B. in anderen Semestern)
| Semester | Titel | Dozent(en) | Termine |
|---|---|---|---|
| SS 2023 | Physics-Informed Machine Learning | Zavadlav Koller, J. |
Do, 08:00–10:00, MW 1050 |
| SS 2022 | Physikbasiertes Machine Learning |
Do, 08:00–10:00, MW 1050 |
|
| SS 2020 | Physics-Informed Machine Learning |