Machine Learning für Ingenieure

Kursüberblick

Ingenieure arbeiten mit Messdaten, Prozessparametern und Prüfergebnissen. Machine Learning erweitert diese Arbeit: Regressionen sagen Materialeigenschaften voraus, Klassifikatoren erkennen fehlerhafte Teile, Ausreißeranalysen weisen auf Störungen hin. Lernziele Mess- und Prozessdaten mit SQL und pandas aufbereiten Regression mit polynomiellen Features für technische Zusammenhänge nutzen Ausreißer mit Median Absolute Deviation und RANSAC behandeln Klassifikatoren für Qualitätsprüfungen trainieren Monte-Carlo-Simulation und Wahrscheinlichkeitsverteilungen einsetzen Modelle mit MSE, R2-Wert und Kreuzvalidierung bewerten Inhalte Den Einstieg bilden SQL, Python-Grundlagen, pandas und matplotlib. Danach folgen lineare Algebra, Statistik und der zentrale Grenzwertsatz. Im Machine-Learning-Teil arbeitest du mit Regression, Regularisierung, Entscheidungsbäumen, PCA und neuronalen Netzen. Im Projektteil schätzt du den Aufwand eines Datenprojekts ab, planst es im Team und präsentierst die Ergebnisse. Übungen mit technischen Datensätzen zeigen, wie Modelle Vorhersagen für Bauteile und Prozesse liefern. Perspektiven Als Entwicklungsingenieur, Entwicklungsleiter Mechatronik, Prozessdatenanalystin oder Instandhaltungsmanager setzt du Machine Learning für technische Fragestellungen ein.

Nächste Termine

• 2026-11-08T23:00:00.000Z · 2027-07-10T22:00:00.000Z · Berlin · Hybrid Learning
• 2026-11-08T23:00:00.000Z · 2027-07-10T22:00:00.000Z · München · Hybrid Learning
• 2026-11-08T23:00:00.000Z · 2027-07-10T22:00:00.000Z · Berlin · Hybrid Learning
• 2026-11-08T23:00:00.000Z · 2027-07-10T22:00:00.000Z · Frankfurt am Main · Hybrid Learning
• 2026-11-08T23:00:00.000Z · 2027-07-10T22:00:00.000Z · Stuttgart · Hybrid Learning