Python-basiertes Maschinelles Lernen mit Automobil-Anwendungen - Seminar / Kurs von carhs.training gmbh

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 einzelnerSimulationen 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.

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.

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.