Maschinelles Lernen in der Strömungsmechanik: Dr.-Ing. Andre Weiner (#AW1)
Kurzbeschreibung
Durch zunehmende Rechenkapazitäten und verbesserte Untersuchungsmethoden werden strömungsmechanische Daten immer umfangreicher und komplexer. Die Analyse solcher Daten ist anspruchsvoll, sodass häufig wichtige Informationen unentdeckt bleiben. Die Vorlesung beschäftigt sich mit der algorithmischen Extraktion und Umformung der Daten durch machinelles Lernen. Dabei werden Themen wie Strömungsregelung, die Analyse kohärenter Strömungsstrukturen und die Ableitung von ordnungsreduzierten Modellen behandelt.
Schlagworte
-
Strömungsanalyse
-
Strömungsregelung
-
Maschinelles Lernen
Maschinelles Lernen in der Strömungsmechanik: Dr.-Ing. Andre Weiner (#AW1)
Was macht das Schmuckstück besonders?
Jupyter Notebooks als Vorlesungsskript: Jupyter Notebooks kombinieren Erklärungen, Theorie, Programmierung und Visualisierung. Werden die Notebooks lokal auf den Laptops/PCs der Studierenden ausgeführt, können Parameter und Quellcode der interaktiven Elemente modifiziert und ausgeführt werden. Alternativ können statische Versionen der Notebooks auch im Browser als HTML oder PDF angezeigt werden.
Reveal.js Vorlesungsfolien: Die Vorlesungsfolien sind mit der Reveal.js Bibliothek in einer Mischung aus HTML und LaTex implementiert and werden prinzipiell im Browser angezeigt. Dadurch ist das Anzeigen der Folien plattformunabhängig (Windows, Mac-OS, Linux), geräteunabhängig (Laptop, Tablet, Mobiltelefon) und bedarf außer einem Browser keinerlei weiterer Software. Dadurch können die Studierenden beispielsweise am Morgen im Bus auf dem Weg zur Vorlesung noch einmal mit dem Mobiltelefon durch die Folien der letzten Vorlesung navigieren.
Open Source Software: Sowohl die Anwendungen zur Erstellung der Vorlesungsinhalte als auch die technischen Biliotheken des machinellen Lernens und der Strömungssimulation sind zu 100% Open Source Software. Dadurch entstehen für die Universität keinerlei Lizenzkosten und den Studierenden wird der Zugriff auf die Inhalte erleichtert.
Github als Kommunikationsplattform: Github ist ursprünglich als eine Platform für Softwareprojekte entstanden, wird allerdings mitlerweile weit darüber hinaus für Projektmanagemet verwendet. Sämtliche Vorlesungsmaterialien sind über ein Github-Repositorium verfügar. Dadurch können Studierende jederzeit zum einen auf sämtliche Unterlagen zugreifen und zum anderen über den "Issue-Tracker" Probleme melden, Fragen stellen, Ergebnisse teilen oder mit anderen Studierenden diskutieren.
Learning by doing: alleine durch das Auseinandersetzen mit den Vorlesungsmaterialien kommen Studierende mit Schlüsseltechnologien zur Versionskontrolle, Virtualisierung, Programmierung und Reproduzierbarkeit in Kontakt, ohne dass diese Technologien explizit Teil des Vorlesungsinhalts bilden.
Weiterhin stehen den Studierenden Aufzeichnungen von Vorlesungen und Übungen in deutscher und englischer Sprache zur Verfügung.
Weiterführende Links
Kontaktperson
Organisationseinheit
Fakultät Maschinenwesen; Institut für Strömungsmechanik
Größe der Lehrveranstaltung
bis 30 Studierende
Abstimmungskennung
#AW1
Alle Angehörigen der TUD sind herzlich eingeladen, für die Schmuckstücke abzustimmen, die ihnen z. B. besonders innovativ, studierendenorientiert oder motivierend erscheinen. Die Kriterien legen Sie selbst fest. Die Abstimmung erfolgt anonym über OPAL. Sie müssen sich dafür mit Ihrem ZIH-Login einloggen, wir können jedoch nicht nachverfolgen, wer abgestimmt hat.
Beachten Sie bitte, dass Sie nur einmal abstimmen können – Sie können dabei insgesamt drei Stimmen vergeben. Die Teilnahme ist bis zum 13.01.2025 möglich.