2150910 – Seminar Anwendung Künstliche Intelligenz in der Produktion

Für das Seminar Anwendung Künstliche Intelligenz in der Produktion ist keine vorherige Anmeldung erforderlich. Nach dem ersten Veranstaltungstermin (Kick-Off am 19.4.) findet die Zuteilung zu den Seminar-Projekten statt.

Eine vorherige Teilnahme an der Vorlesung Künstliche Intelligenz in der Produktion ist nicht zwingend erforderlich, aber empfehlenswert. Außerdem empfehlen wir die Teilnahme am Seminar ausdrücklich nur mit guten Kenntnissen zur Programmierung in Python und zu Machine Learning.

Die Lehrveranstaltung "Seminar Anwendung Künstliche Intelligenz in der Produktion" zielt auf die praktische Integration von aktuellen Verfahren des Maschinellen Lernens anhand realitätsnaher industrieller Use-Cases ab. Der inhaltliche Rahmen der Lehrveranstaltung ergibt sich durch die ganzheitliche, praktische Umsetzung eines KI-Projektes in der Produktion. Dieses wird in Gruppenarbeit (max. 5 Personen) über das Semester hinweg bearbeitet und das Vorgehen und die Ergebnisse abschließend präsentiert sowie in Form eines wissenschaftlichen Papers dokumentiert.

Insgesamt werden vier Projektthemen angeboten, die nach dem First-Come-First-Served-Prinzip vergeben werden:
1. Defekterkennung auf Kugelgewindetrieben mit Bilddaten und CNNs
2. Verschleißerkennung an Fräsern mit Bilddaten und CNNs
3. Reinforcement Learning für Robotikaufgaben
4. Freies ML-Projekt für eigene Ideen zu Supervised Learning (mit Produktionsbezug)

Lernziele: Die Studierenden
- sind in der Lage, ein praktisches Problem in der Produktion selbstständig hinsichtlich der Anwendung von Verfahren des Maschinellen Lernens zu analysieren.
- können gängige Deep-Learning-Algorithmen selbstständig auf praktische Datensätze anwenden, validieren und die Ergebnisse analysieren.
- verstehen die Herausforderungen bei dem Einsatz von Deep-Learning-Verfahren in der Produktion.
- kennen die wichtigsten Handlungsfelder und offenen Forschungsfragen zur erfolgreichen Implementierung von KI in der Produktion und zur Umsetzung von autonomen Maschinen.
- sind in der Lage, Ergebnisse von gängigen Deep-Learning-Verfahren zu beurteilen und basierend darauf, Lösungsvorschläge (aus dem Bereich des Maschinellen Lernens) praktisch auszuarbeiten und praktisch anzuwenden.

Jan Baumgärtner, Edwin Blum, Sebastian Behrendt, Dominik Koch, Ehsan Karimi

2

4

19. Apr 2024

26. Jul 2024

Seminar

Kick-Off am 19.04.24 + 26.04.24, 08:00 - 09:30, danach Gruppensprechstunden (wöchentlich/nach Bedarf)

Deutsch

This work has all rights reserved by the owner.

Marina Baucks

marina.baucks@kit.edu

Unbegrenzt – wenn online geschaltet

Sie können diesem Kurs direkt beitreten.

Bis: 31. Mai 2024, 00:00

Anmeldename
Vorname
Nachname
E-Mail
Matrikelnummer

3051872