11811 - Künstliche Intelligenz in der Materialdiagnostik Modulübersicht

Modulnummer: 11811
Modultitel:Künstliche Intelligenz in der Materialdiagnostik
  Artificial Intelligence in Material Diagnostics
Einrichtung: Fakultät 1 - MINT - Mathematik, Informatik, Physik, Elektro- und Informationstechnik
Verantwortlich:
  • Prof. Dr.-Ing. habil. Wolff, Matthias
  • Dr.-Ing. Tschöpe, Constanze
Lehr- und Prüfungssprache:Deutsch
Dauer:1 Semester
Angebotsturnus: jedes Sommersemester
Leistungspunkte: 6
Lernziele:Nach erfolgreicher Teilnahme am Modul sind die Studierenden in der Lage, ihr erworbenes Grundverständnis der künstlichen Intelligenz, des maschinellen Lernens und von Mustererkennungsverfahren an praktischen Beispielen und anhand von Daten aus industriellen Anwendungen umzusetzen.
Die Studierenden können mit Standard-Toolkits umgehen und auf eigene Probleme anwenden. Sie verstehen, welche grundsätzlichen Herangehensweisen existieren, wie sie diese unterscheiden und wie sie entscheiden können, welches Tool für welche Aufgabenstellung geeignet ist.
Inhalte:
  • Einführung in die Materialdiagnostik und des KI-Bedarfs auf diesem Gebiet
  • Überblick zu Verfahren der statistischen Signalanalyse (z. B. PCA, LDA)
  • KI-Methoden: Überblick und anschauliche Erklärung der Verfahren zum maschinellen Lernen und zur Mustererkennung
  • Einsatz und Handhabung von ML-Toolkits
    1. Beispielanwendung: Zweiklassenproblem mit Support Vector Machines
    2. Beispielanwendung: Anomaliedetektionsproblem, z. B. mit neuronalen Netzen
    3. Beispielanwendung: Mehrklassenproblem
    4. Beispielanwendung: Regressionsproblem
Die Studierenden bearbeiten Seminaraufgaben in Gruppen, entwickeln Lösungen und stellen diese im Rahmen der Übungen/Seminare in Form einer Präsentation von ca. 10 Minuten mit anschließender fachlicher Diskussion (im Rahmen der Lehrveranstaltung) vor. Die Bewertung erfolgt als Continuous Assessment (MCA), eine gesonderte Prüfung findet nicht statt.

Empfohlene Voraussetzungen:
    Zwingende Voraussetzungen:keine
    Lehrformen und Arbeitsumfang:
    • Vorlesung / 2 SWS
    • Seminar / 2 SWS
    • Selbststudium / 120 Stunden
    Unterrichtsmaterialien und Literaturhinweise:
    • Ertel, W.: Grundkurs Künstliche Intelligenz, 2. überarbeitete Auflage 2009, Vieweg+Teubner Verlag ISBN: 978-3-8348-0783-0
    • R. Hoffmann, M. Wolff: Intelligente Signalverarbeitung 2: Signalerkennung, 2. Auflage. Springer Vieweg, 2015. ISBN 978-3-662-46725-1
    Modulprüfung:Continuous Assessment (MCA)
    Prüfungsleistung/en für Modulprüfung:
    • 4 Seminaraufgaben je 25%, jede bestehend aus:
      • Programmierung (4 Wochen Entwicklungszeit)
      • Präsentationen von je 10 Minuten in Gruppe, inklusive PowerPoint-Dokument
      • anschließende fachliche Diskussion
    Bewertung der Modulprüfung:Prüfungsleistung - benotet
    Teilnehmerbeschränkung:keine
    Zuordnung zu Studiengängen:
    • Bachelor (universitär) / Elektrotechnik / PO 2019
    • Bachelor (universitär) / Elektrotechnik / PO 2022
    • Bachelor (universitär) - Duales Studium, ausbildungsintegrierend / Elektrotechnik - dual / PO 2022
    • Bachelor (universitär) - Duales Studium, praxisintegrierend / Elektrotechnik - dual / PO 2022
    • Bachelor (universitär) / Informatik / PO 2008
    • Bachelor (universitär) / Informations- und Medientechnik / PO 2017
    • Bachelor (universitär) / Künstliche Intelligenz / PO 2022
    • Bachelor (universitär) / Medizininformatik / PO 2016
    • Bachelor (universitär) / Wirtschaftsingenieurwesen / PO 2019
    Bemerkungen:
    • Studiengang Informations- und Medientechnik B. Sc.: Komplex „Elektrotechnik und Nachrichtentechnik“, Wahlpflichtmodul in alle Studienrichtungen
    • Studiengang Informatik B.Sc.: Wahlpflichtmodul im Komplex "Praktische Informatik", Niveaustufe 300
    • Studiengang Medizininformatik B.Sc.: Wahlpflichtmodul im Komplex „Medizininformatik"
    • Studiengang Künstliche Intelligenz B.Sc.: Wahlpflichtmodul im Komplex „Lernen und Schließen“
    • Studiengang Künstliche Intelligenz Technologie B.Sc.: Wahlpflichtmodul im Komplex „Software-basierte Systeme“
    Veranstaltungen zum Modul:
    • Vorlesung: Künstliche Intelligenz in der Materialdiagnostik
    • Seminar zur Vorlesung
    Veranstaltungen im aktuellen Semester: