Python-basiertes Maschinelles Lernen mit Automobil-Anwendungen

Beschreibung

Das Thema Künstliche Intelligenz (KI) wird aktuell immer dominanter, insbesondere in Bereichen, in denen Prozesse automatisiert und viele Daten verarbeitet werden. Speziell im Automobil-Umfeld sind in diesem Zusammenhang zahlreiche Anwendungen sowohl in der Virtuellen Entwicklung als auch im Versuchs-Umfeld denkbar. Ein Teilgebiet der Künstlichen Intelligenz ist das Maschinelle Lernen, das in Ergänzung zu klassischen regelbasierten Expertensystemen immer mehr an Bedeutung gewinnt. Diese aktuelle Entwicklung ist zurückzuführen auf die Verfügbarkeit immer umfangreicherer Datensätze (Big Data) sowie leistungsfähigerer Maschinen zu deren Verarbeitung. Speziell im Automobil-Umfeld werden im Rahmen von Simulationen oder Versuchen umfangreiche Daten generiert, für die in vielen Fällen eine automatisierte Analyse angestrebt wird. Die Methoden des Maschinellen Lernens ermöglichen neben der klassischen Interpretation einzelner Simulationen oder Versuche einen neuen Blick auf Modelle und Ergebnisse. Auf Basis der Analyse zahlreicher Ergebnisse (Big Data), die z. B. in Parameter-Studien entstehen, kann mit Methoden des Maschinellen Lernens daraus eine Künstliche Intelligenz abgeleitet werden, die schließlich in die Auswertung weiterer einzelner Simulationen oder Versuche einfließt. Python ist im Bereich Datenanalyse und Maschinelles Lernen aktuell die populärste Programmiersprache. Die frei erhältliche Python-Bibliothek Scikit-Learn ermöglicht einen Benutzer-freundlichen Einstieg in die relevanten Verfahren. Insbesondere die Anwendung Künstlicher Neuronaler Netze (Deep Learning) ist in letzter Zeit sehr populär geworden. Die in diesem Zusammenhang von Google entwickelte Software TensorFlow bzw. die darauf aufsetzende Python-Bibliothek Keras ermöglicht auch hier einen Einsteigerfreundlichen Zugang.

Wer sollte teilnehmen?

Das Seminar wendet sich an Interessenten im CAE- oder Versuchs-Umfeld, die auf Basis ihrer Python-Kenntnisse die ersten Schritte im Maschinellen Lernen gehen wollen. Es wird davon ausgegangen, dass grundlegende Python-Kenntnisse vorhanden sind, z. B. im Rahmen des carhs-Seminars Einführung in die Programmiersprache Python desselben Trainers.

Ziele

Das Seminar gibt eine Einführung in das Thema Maschinelles Lernen auf Basis der Programmiersprache Python. Dazu gehören zum Einstieg Themen der Daten-Analyse, -Aufbereitung und -Visualisierung. Im zweiten Schritt werden Methoden des Maschinellen Lernens studiert anhand der Python-Pakete Scikit-Learn und Keras bzw. Tensorflow. In praktischen Übungen werden die besprochenen Themen vertieft und mögliche Anwendungen aus dem CAE- bzw. Versuchs-Umfeld diskutiert. Ein wichtiger Aspekt der Daten-Analyse ist hier die Extraktion von Merkmalen aus CAE-Daten oder Versuchs-Daten für die Nutzung in Maschinellen Lernverfahren. Nach dem Seminar sind die Teilnehmer in der Lage, die Umsetzung eigener Aufgabenstellungen anzugehen. Dazu gehört auch, verschiedene Verfahren des Maschinellen Lernens bzgl. deren Anwendbarkeit auf eigene Aufgabenstellungen zu bewerten sowie die Methoden anhand der diskutierten Python-Pakete zu vertiefen.

Inhalte

• Grundlagen der Datenanalyse mit Python
  • Datenstrukturen
  • Konzepte der Daten-Aufbereitung
  • Extraktion von Merkmalen für Maschinelle Lernverfahren
  • Daten-Visualisierung
  • Die Python-Pakete Numpy, Scipy, Pandas, Matplotlib
• Maschinelles Lernen mit Python
  • Methoden zur Klassifizierung und Regressionsanalyse
  • Das Python-Paket Scikit-Learn
  • Deep Learning und Neuronale Netze mit Keras, Tensorflow
• Anwendungen aus dem CAE- und Versuchs-Umfeld
  • Einführende Beispiele
  • Diskussion möglicher tiefergehender Anwendungen
  • Vorgehensweise bei der Umsetzung eigener Ideen

Referenten

Dr. André Backes
TECOSIM Technische Simulation GmbH

Dr. André Backes hat Mathematik an der Universität Duisburg studiert und war in den Jahren 2000 bis 2006 Wissenschaftlicher Mitarbeiter am Institut für Mathematik der Humboldt-Universität zu Berlin. Seine Promotion am Lehrstuhl Numerische Mathematik führte ihn in das CAE-Umfeld. Seit 2006 arbeitet er bei der TECOSIM GmbH. Dort hat er sich unter anderem auf den Bereich NVH spezialisiert. Im Bereich Virtual Benchmarking hat er den TECOSIM-eigenen Prozess TEC|BENCH mitentwickelt. Hier ist auch die Programmiersprache Python zum Einsatz gekommen. In aktuellen Forschungsprojekten untersucht er den Einsatz von Python-basierten Methoden zur Datenanalyse und für das Maschinelle Lernen im CAE-Prozess. Seit 2020 arbeitet er bei TECOSIM in Stuttgart.

Termine & Orte

Inhouse Kurs

Dieses Seminar können Sie auch als Inhouse Seminar buchen. Dann kommt der Trainer zu Ihnen ins Haus - Sie sparen Reisekosten und Reisezeiten. Schon ab 4 Teilnehmern aus Ihrem Unternehmen. Fordern Sie unverbindlich ein Angebot an.

Ihr Ansprechparter

Dr. Dirk Ulrich
Tel.: 06023 - 96 40 - 66
E-Mail: dirk.ulrich@carhs.de

Jetzt anfragen!