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

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

OPAL-Kurs

Kontaktperson

Dr.-Ing. Andre Weiner

Organisationseinheit

Fakultät Maschinenwesen; Institut für Strömungsmechanik

Größe der Lehrveranstaltung

bis 30 Studierende

Abstimmungskennung

#AW1