Modulbeschreibung

Data-driven Engineering

Kurzzeichen:
M_TuIT_EVA_1004
ECTS-Credits:
3
Leitidee:

Daten-getriebenes Engineering revolutioniert derzeit viele Bereiche der technischen Anwendungen. Im Zentrum steht die Beobachtung, dass scheinbar komplexe Systeme wie unser Gehirn, das Wetter, Seuchenausbreitung oder Börsenkurse in Wirklichkeit durch niederdimensionale, problemtypische Muster dominiert werden. Wenn man diese Muster aus Daten erlernen kann, dann erst eröffnet sich die Möglichkeit diese Systeme zu modellieren, vorherzusagen und schliesslich zu kontrollieren. Dieses Seminar erarbeitet die Grundlagen, wie solche dominanten Muster berechnet und dargestellt werden können. Wir gehen auch der Frage nach, wie solche daten-getriebenen Modelle zur Modellierung und Regelung von komplexen Systemen herangezogen werden können.

Modulverantwortung:
Frick Klaus
Standort (angeboten):
Buchs
Zusätzliche Eingangskompetenzen:

Technisches Englisch, Wahrscheinlichkeitsrechung, lineare Algebra und Analysis auf Bachelor Stufe

Modultyp:
Wahlpflicht-Modul für MSE Master of Science in Engineering BB STD_08 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für MSE Master of Science in Engineering BB STD_13 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für MSE Master of Science in Engineering BB STD_16 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für MSE Master of Science in Engineering VZ STD_08 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für MSE Master of Science in Engineering VZ STD_13 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für MSE Master of Science in Engineering VZ STD_16 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für Technik und IT MSE_20(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Modulbewertung:
Note von 1 - 6

Leistungsnachweise und deren Gewichtung

Während der Unterrichtsphase:

Es findet eine Prüfung statt.

Zulassungsbedingungen: Besuch von 75% der Diskussionen, Bearbeiten von 75% der Übungsserien/Matlab Übungen

Bewertungsart:
Note von 1 - 6
Gewichtung:

Es findet eine Prüfung statt (Gewicht 100%).

Bemerkungen:

Inhalte

Angestrebte Lernergebnisse (Abschlusskompetenzen):

 Daten-getriebenes Engineering revolutioniert derzeit viele Bereiche der technischen Anwendungen. Im Zentrum steht die Beobachtung, dass scheinbar komplexe Systeme wie unser Gehirn, das Wetter, Seuchenausbreitung oder Börsenkurse in Wirklichkeit durch niederdimensionale, problemtypische Muster dominiert werden. Wenn man diese Muster aus Daten erlernen kann, dann erst eröffnet sich die Möglichkeit diese Systeme zu modellieren, vorherzusagen und schliesslich zu kontrollieren. Dieses Seminar erarbeitet die Grundlagen, wie solche dominanten Muster berechnet und dargestellt werden können. Wir gehen auch der Frage nach, wie solche daten-getriebenen Modelle zur Modellierung und Regelung von komplexen Systemen herangezogen werden können. 

Modul- und Lerninhalt:
  • Introduction
  • Singular Value Decomposition
  • Principle Component Analysis and low dimensional structures
  • Clustering and classification
  • Data-driven dynamical systems and control 
  • Sparse signals and compressed sensing, time permitting