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 > Marwan Mostafa, M.Sc.

Marwan Mostafa

M.Sc.
Research Assistant

Contact

Marwan Mostafa, M.Sc.
E-6 Elektrische Energietechnik
  • Elektrische Energietechnik
Office Hours
nach Vereinbarung/ by appointment
Harburger Schloßstraße 22a,
21079 Hamburg
Building HS22a, Room 2.015
Phone: +49 40 42878 4097
Logo

Research Project

iNeP
Integrated network planning for the electricity, gas and heat sectors

iNeP

Integrated network planning for the electricity, gas and heat sectors

Federal Ministry for Economic Affairs and Climate Action (BMWK); Duration: 2021 to 2026

to the project page

Publications

TUHH Open Research (TORE)

2023

2022

2021

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

2022

  • Barthelme, J. (2022). Technisch-ökonomische Systemmodellierung und -anlayse eines urbanen Quatiers hinsichtlich des Einsatz von Wasserstoff als primärer Energieträger.

TU Hamburg
Institute of Electrical Power and Energy Technology (ieet) E-6
Prof. Dr.-Ing. Christian Becker
Harburger Schloßstraße 22a
21079 Hamburg
E-mail : ieet(at)tuhh.de
Phone : +49 40 42878 3213
Links
Map and Directions
Data Privacy
Imprint