Logo Institute of Electrical Power and Energy Technology
Institute of Electrical Power and Energy Technology
Logo Institute of Electrical Power and Energy Technology
Institute of Electrical Power and Energy Technology
DE
EN
Search
DE
EN
Search
IEET > Staff > Research Assistants > Florian Strobel, M.Sc.

Florian Strobel

M.Sc.
Research Assistant

Contact

Florian Thorsten Lutz Strobel
E-6 Elektrische Energietechnik
  • Elektrische Energietechnik
Harburger Schloßstraße 22a,
21079 Hamburg
Building HS22a, Room 2.014
Phone: +49 40 42878 2750
Logo

Research Project

DISEGO
Critical Components for Distributed and Secure Grid Operation

DISEGO

Critical Components for Distributed and Secure Grid Operation

Federal Ministry for Economic Affairs and Climate Action (BMWK); Duration: 2022 to 2025

to the project page

Publications

TUHH Open Research (TORE)

2023

Courses

Stud.IP
link to course in Stud.IP Studip_icon
Grundlagen des Maschinellen Lernens (VL)
Subtitle:
Diese Lehrveranstaltung ist Teil des Moduls: Maschinelles Lernen in der Logistik
Semester:
WiSe 23/24
Course type:
Lecture
Course number:
lv2003_w23
Lecturer:
unbekannte Lehrperson
Description:
Die Studierenden sollen Konzepteausgewählter Verfahren des Maschinellen Lernens verstehen und aufDatenbeispiele anwenden können. Studierende können geeignete Verfahren fürbereitgestellte Daten auswählen.

Die Studierenden können die Unterschiede zwischeninstanzenbasierten und modellbasierten Lernansätzen erläutern und spezifischeAnsätze des Maschinellen Lernens für jeden dieser beiden Ansätze auf der Basisvon statischen oder inkrementell anwachsenden Datenmengen anwenden. Bei derBehandlung von Unsicherheiten können die Studierenden beschreiben, wie Axiome,Parameter oder Strukturen automatisch anhand unterschiedlicher Algorithmengelernt werden können. Des Weiteren wird den Studierenden vermittelt, wie unterschiedliche Clustertechnikenentworfen werden können. Zudem können sie Rohdaten für Verfahren desMaschinellen Lernens aufbereiten.

Geplante Inhalte:

  • Validierungvon Modellen unterschiedlicher Verfahren.
  • Datenbereinigung,Skalierung der Daten, Datenselektion
  • ÜberwachtesLernen:
    • Regression
    • Entscheidungsbäume
    • Bayes’scheNetze
    • K-NächsteNachbarn
    • LogistischeRegression
    • NeuronaleNetze
    • SupportVector Machines
    • EnsembleLearning
  • UnüberwachtesLernen:
    • Hierarchische Clustering, K-Mean
Performance accreditation:
615 - Maschinelles Lernen in der Logistik<ul><li>615 - Maschinelles Lernen in der Logistik: Klausur schriftlich</li></ul><br>m1402 - Maschinelles Lernen in der Logistik<ul><li>p1327 - Maschinelles Lernen in der Logistik: Klausur schriftlich</li><li>vl353 - Freiwillige Studienleistung Maschinelles Lernen in der Logistik - Referat: Referat</li></ul>
ECTS credit points:
2
Stud.IP informationen about this course:
Home institute: Institut für Softwaresysteme (E-16)
Registered participants in Stud.IP: 1

Supervised Theses

ongoing
completed
TU Hamburg
Institute of Electrical Power and Energy Technology (ieet) E-6
Prof. Dr.-Ing. Christian Becker
Harburger Schloßstraße 36
21079 Hamburg
E-mail : ieet(at)tuhh.de
Phone : +49 40 42878 3213
Fax : +49 40 42878 2382
Links
Map and Directions
Data Privacy
Imprint