Masterlabor: Maschinelles Lernen in der Produktionstechnik

Durch maschinelles Lernen können Produktionsanlagen Prozesse bzw. Algorithmen selbstständig erlernen und Entscheidungen in Abhängigkeit der Eingangsparameter treffen. Eine wesentliche Herausforderung beim Einsatz von Neuronalen Netzten ist jedoch, dass die Netzarchitektur, die Lernparameter, die Datensatzgröße sowie die Bewertungskriterien problemspezifisch sind und es deshalb keine allgemeingültigen Richtlinien zur Problemlösung mithilfe Neuronaler Netze gibt.

Ziel dieses Labors ist es den Teilnehmern die praktische und anwendungsnahe Implementierung von Neuronalen Netzen in der Produktionstechnik zu vermitteln. Durch die ganzheitliche Betrachtung des Lösungsprozesses im Labor lernen die Teilnehmenden ihr theoretisches Wissen zur Künstlichen Intelligenz mit der Programmierung Neuronaler Netze zu verknüpften und erhalten in der Praxisaufgabe ein direktes Feedback zu ihren theoretischen Überlegungen.

Die Veranstaltung gliedert sich in zwei Arbeitsabschnitte. Im ersten Laborabschnitt sollen sich die Teilnehmenden selbstständig in die für das Labor notwendigen theoretischen Grundlagen einarbeiten und mit einer Programmieraufgabe zu Neuronalen Netzen auseinandersetzen. Am Labortermin besteht die Aufgabe darin, mithilfe der erlernten Grundlagen einen Recyclingprozess für Getränkeverschlüsse durch Methoden des maschinellen Lernens zu automatisieren.

Nach erfolgreicher Absolvierung des Moduls sind die Teilnehmenden in der Lage:

• Datensätze für Neuronale Netze zu erstellen,
• einfache Neuronale Netze zur Objektklassifizierung in Python zu programmieren,
• Neuronale Netze auf Basis eines Datensatzes zu trainieren,
• die Performance eines Neuronalen Netzes zu bewerten,
• trainierte Netze für Aufgaben im Maschinenbau zu nutzen,
• einzuschätzen, für welche Aufgaben der Einsatz von Neuronalen Netzen geeignet ist.

Die Anmeldung erfolgt über Stud.IP zum Semesterbeginn. Maximal 40 Teilnehmer.