Teil 1: Einführung in Maschinelles Lernen für Ingenieure
Maschinelles Lernen versus konventionelle Prozessanalyse
Übersicht gängiger Methoden zur experimentellen Prozessanalyse (Korrelationsanalyse, Regressionsanalyse, Frequenzanalyse / Spektren, Zeitreihenanalyse / Trends) und ML-Modellierungsalgorithmen (Klassifizierung, Clustering, Regression). Unterschiede, Vor- bzw. Nachteile. Überwachtes versus unüberwachtes Lernen. ML-Workflow, ML-Anwendungen in der Produktion.
Daten in der Produktion
Ohne Daten kein ML! Datenstrukturen und Informations- modelle, Datenakquise, (OPC UA, UMATI, MQTT, SECS / GEM, EDA / Interface A), Datenqualität, Datenvorverarbeitung, fehlende Werte und Ausreißer, Auswahl von Merkmalen (Features) und Dimensionsreduzierung, PCA.
Praxisbeispiel 1: Problemstellung, Vorgehensweise und Aufbau einer Versuchsumgebung
Profilschiene mit Linearantrieb als technischer Prozess, allg. Vorgehensweise, technische Realisierung der Datenerfassung, Datensichtung, Abschätzung und Verbesserung der Datenqualität, Übersicht ML-Plattformen, Frameworks und Bibliotheken, Arbeit mit Python / Jupyter Notebook.
Teil 2: Anwendung von ML-Algorithmen
Praxisbeispiel 1: Anwendung eines ML-Algorithmus
Wahl einer passenden ML-Strategie, Implementierung, Gütebewertung und Validierung, Accuracy / Precision / Recall (Genauigkeit-Trefferquote), Cross Validation (Kreuzvalidierungsverfahren), Performance, Optimierung der Lösung.
Praxisbeispiel 2: Anwendung eines ML-Algorithmus
Anlage zur Herstellung versiegelter Becher aus Karton als technischer Prozess, Problemstellung, Wahl einer passenden ML-Strategie, Implementierung, Gütebewertung und Validierung, Optimierung der Lösung.
Alternative Lösungen für Praxisbeispiel 2
Braucht man immer KI / ML? Grenzen des Maschinellen Lernens. Übersicht alternativer Lösungen zum Praxisbeispiel 2, Fourier-Transformation, Bildverarbeitung ohne KI, Lösungsvergleich mit und ohne KI, Vor- bzw. Nachteile.
Auswertung und Diskussion der Erkenntnisse, Feedback
Information on participating / attending:
Date:
09/28/2022 09:00 - 09/28/2022 17:00
Event venue:
Fraunhofer IWU Dresden oder nach Bedarf als online-Schulung
Nöthnitzer Straße 44
01187 Dresden
Dresden
Sachsen
Germany
Target group:
Business and commerce, Scientists and scholars
Relevance:
regional
Subject areas:
Mechanical engineering
Types of events:
Seminar / workshop / discussion
Entry:
08/19/2022
Sender/author:
Fraunhofer IWU
Department:
Kommunikation
Event is free:
no
Language of the text:
German
URL of this event: http://idw-online.de/en/event72267
You can combine search terms with and, or and/or not, e.g. Philo not logy.
You can use brackets to separate combinations from each other, e.g. (Philo not logy) or (Psycho and logy).
Coherent groups of words will be located as complete phrases if you put them into quotation marks, e.g. “Federal Republic of Germany”.
You can also use the advanced search without entering search terms. It will then follow the criteria you have selected (e.g. country or subject area).
If you have not selected any criteria in a given category, the entire category will be searched (e.g. all subject areas or all countries).