Wartungsankündigung: Wichtig: bitte beachten Sie unsere Wartungsankündigungen für Dienstag, den 02. April 2024 und Freitag, den 05. April 2024 auf der Magazineinstiegseite!
Maintenance announcement: please note our maintenance announcements for Tuesday, 02 April 2024 and Friday, 05 April on the repository page!
Wartungshinweis: wegen wichtigen Wartungsarbeiten an den OpenCast-Servern, bitten wir Sie über das Osterwochenende keine neuen Videos hochzuladen! Die bereits vorhandenen OpenCast-Videos stehen aber wieder zur Verfügung.
Icon Course

Maschinelles Lernen für die Naturwissenschaften (SS 2020)

Dieses Modul behandelt die theoretischen und praktischen Aspekte von Methoden des maschinellen Lernens und deren Anwendung für naturwissenschaftliche Fragestellungen, insbesondere in den Materialwissenschaften und der Chemie. Die Studierenden erhalten Einblick in die Grundlagen sowie aktuelle Forschungsthemen dieses noch jungen interdisziplinären Gebiets. Behandelt wird unter anderem die Anwendung von Methoden des maschinellen Lernens zur Vorhersage von Material- und Moleküleigenschaften, unterschiedliche Repräsentationsmethoden von Materialien und Molekülen (Deskriptoren, Fingerprints, graphbasierte Methoden), generative Modelle wie GANs und Autoencoder zum automatischen Materialdesign, Bayes‘sche Methoden zur Planung und Autonomisierung von Experimenten, sowie Interpretationsmöglichkeiten aller Methoden zum wissenschaftlichen Erkenntnisgewinn.

Description

Dieses Modul behandelt die theoretischen und praktischen Aspekte von Methoden des maschinellen Lernens und deren Anwendung für naturwissenschaftliche Fragestellungen, insbesondere in den Materialwissenschaften und der Chemie. Die Studierenden erhalten Einblick in die Grundlagen sowie aktuelle Forschungsthemen dieses noch jungen interdisziplinären Gebiets. Behandelt wird unter anderem die Anwendung von Methoden des maschinellen Lernens zur Vorhersage von Material- und Moleküleigenschaften, unterschiedliche Repräsentationsmethoden von Materialien und Molekülen (Deskriptoren, Fingerprints, graphbasierte Methoden), generative Modelle wie GANs und Autoencoder zum automatischen Materialdesign, Bayes‘sche Methoden zur Planung und Autonomisierung von Experimenten, sowie Interpretationsmöglichkeiten aller Methoden zum wissenschaftlichen Erkenntnisgewinn.

General

Language
German
Keywords
Künstliche Intelligenz, Maschinelles Lernen, Naturwissenschaften, Data science
Copyright
This work has all rights reserved by the owner.

Availability

Access
Unlimited
Admittance
You can join this course directly.
Registration Period
Unlimited
Period of Event
21. Apr 2020 - 21. Jul 2020

Visible Personal Data for Course Administrators

Data Types of the Personal Profile
Username
First Name
Last Name
E-Mail
Matriculation number

Additional Information

Object-Id
1537294
Permanent Link