Machine Learning @ Operations – Modulblock 2 (Regression und Deep Learning für die Praxis)

Symbolbild zum Artikel. Der Link öffnet das Bild in einer großen Anzeige.
Dominik Polzer: Datenaufnahme an einer Werkzeugmaschine

In der Kalenderwoche 48 konnten wir wieder alle Teilnehmer zu unserem, durch das Bundesministerium für Bildung und Forschung, gefördertes Qualifizierungskonzeptes „Machine Learning @ Operations“  begrüßen.

Im zweiten Teil der 5 Module wurde der Gruppe Produktion, die Algorithmen der Regression, in Theorie und anhand von praktischen Beispielen vermittelt.

In einer großen Übung konnten die Teilnehmer die Schritte der digitalen Prozesskette des Maschinellen Lernens, am Beispiel des Energieverbrauchs einer Werkzeugmaschine von der Datenaufnahme bis zur Modellbildung und Analyse, selbst durchführen.

Den Teilnehmern der Gruppe Qualität wurden die Grundlagen Neuronaler Netze, das Deep Learning sowie aktuelle Trends erläutert.

Die Theorie wurde durch den Bau eigener Netze in Keras und einer großen Übungen mit dem Fokus auf Bilddatenanalyse vertieft.

Kontakt:

 

Hubert Würschinger, M. Sc.

Department Maschinenbau (MB)
Lehrstuhl für Ressourcen- und Energieeffiziente Produktionsmaschinen (REP, Prof. Hanenkamp)