Maschinelles Lernen in der Strömungsmechanik
Experimentelle und numerische strömungsmechanische Untersuchungen erzeugen enorme Datenmengen. Die Datensätze sind häufig extrem komplex und ihre Analyse ist herausfordernd. Dadruch bleiben in den Daten vorhandene Informationen nicht selten unentdeckt und ungenutzt. Machinelles Lernen (ML) erlaubt es, algorithmisch Muster aus den Daten zu extrahieren und zu nutzen, was es zu einem wertvollen Analyse- und Modellierwerkzeug für strömungsmechanische Daten macht. Durch diese Vorlesung haben Studierende die Chance, ein intuitives Verständnis von häufig genutzten ML-Algorithmen zu entwickeln, diese auf forschungsnahe Datensätze anzuwenden und die trainierten ML-Modelle in Simulationswerkzeugen einzubetten.
