Teilen:
Data Science Summer School der TU Austria
Maschinelles Lernen
Die zukünftige Bedeutung von maschinellem Lernen und Datenanalyse ist unbestritten; sie bietet die Möglichkeit, aus Daten einen Mehrwert zu schaffen. Im Kontext der Ingenieurwissenschaften stammen die Daten aus physikalischen, chemischen und mechanischen Systemen und/oder Prozessen, die den Gesetzen der Physik gehorchen müssen. Daher ist ein spezieller Zweig des maschinellen Lernens erforderlich, der Modelle dieser Prozesse einbezieht.
Gut besuchte Summer School
Die 36 Teilnehmerinnen und Teilnehmer erfuhren während dieser intensiven Woche die wichtigsten Aspekte zu den Themen Datenaufbereitung, Verfahren des Maschinellen Lernens und Qualitätssicherung im Maschinellen Lernen. Der Schwerpunkt lag in den Anwendungsbereichen Robotik, Maschinenüberwachung und Materialwissenschaften.
Die Gruppe setzte sich aus Doktorats- und Masterstudierenden aus verschiedenen Ländern zusammen: Neben Österreich kamen die Teilnehmer*innen aus China, Ägypten, Deutschland, Griechenland, Iran, Italien, Kirgistan, Pakistan und Russland.
Weitere Informationen:
Univ.-Prof. Dr. Peter Auer
Lehrstuhl für Informationstechnologie
Tel.: 03842 402 1500
E-Mail: peter.auer(at)unileoben.ac.at
Berg- und Hüttenmännische Monatshefte
Zeitschrift für Rohstoffe, Geotechnik, Metallurgie, Werkstoffe, Maschinen- und Anlagentechnik
Journal of Mining, Metallurgical, Materials, Geotechnical and Plant Engineering