Christoph Klie

M.Sc.
Wissenschaftlicher Mitarbeiter

Kontakt

Christoph Klie, M.Sc.
E-6 Elektrische Energietechnik
  • Elektrische Energietechnik
Sprechzeiten
Jederzeit
Harburger Schloßstraße 36,
21079 Hamburg
Gebäude HS36, Raum C3 0.001
Tel: +49 40 42878 2239
E-Mail:
Logo

Forschungsprojekt

SuSy
Sustainable DC-Systems - Gleichstrom-Energieversorgung auf Schiffen

SuSy

Sustainable DC-Systems - Gleichstrom-Energieversorgung auf Schiffen

Bundesministerium für Wirtschaft und Klimaschutz (BMWK); Laufzeit: 2021 bis 2024

Publikationen

TUHH Open Research (TORE)

2023

2022

Lehrveranstaltungen

Stud.IP
zur Veranstaltung in Stud.IP Studip_icon
Maschinelles Lernen II (VL)
Untertitel:
Diese Lehrveranstaltung ist Teil des Moduls: Maschinelles Lernen II, Praktikum Data Science
Semester:
WiSe 23/24
Veranstaltungstyp:
Vorlesung (Lehre)
Veranstaltungsnummer:
lv2436_w23
DozentIn:
Nihat Ay, Dr. Manfred Eppe, Adwait Datar
Beschreibung:
  • Überwachtes statistisches Lernen und Generalisierung  
  • Das Prinzip der empirischen Risikominimierung 
  • Das Gesetz der großen Zahlen und das Glivenko-Cantelli-Theorem
  • Shatter-Koeffizienten, VC-Dimension und Rademacher-Komplexität
  • Das Schnelle-Konvergenz-Theorem von Vapnik und Chervonenkis
  • VC-Dimensionen diskreter neuronaler Netze
  • Das Prinzip der strukturellen Risikominimierung
  • Lernen von Samples als inverses Problem
  • Hilbertraum mit reproduzierendem Kern
  • Moore-Penrose-Inverses
  • Schlecht gestellte inverse Probleme und Regularisierung 
  • Tikhonov-Regularisierung
  • Regularisierte empirische Risikominimierung 
  • Überdeckungszahlen 
  • Das Bias-Variance-Problem 
Leistungsnachweis:
m1594 - Praktikum Data Science<ul><li>p1544 - Praktikum Data Science: Fachtheoretisch-fachpraktische Arbeit</li></ul><br>m1594-2022 - Maschinelles Lernen II<ul><li>p1544-2022 - Maschinelles Lernen II: Klausur schriftlich</li><li>vl425-2022 - Freiwillige Studienleistung Bonus-Aufgaben: Übungsaufgaben</li></ul>
ECTS-Kreditpunkte:
3
Weitere Informationen aus Stud.IP zu dieser Veranstaltung
Heimatinstitut: Institut für Data Science Foundations (E-21)
In Stud.IP angemeldete Teilnehmer: 59
Anzahl der Postings im Stud.IP-Forum: 13
Anzahl der Dokumente im Stud.IP-Downloadbereich: 31

Betreute Abschlussarbeiten

laufende

2023

  • Erxleben, J. (2023). Entwicklung eines Algorithmus zur Identifikation und Klassifizierung relevanter Arbeitspunkte eines elektrischen Systems aus Momentanwert-Datensätzen.

beendete

2023

  • Engemann, T. (2023). Entwicklung einer Methodik zur automatischen Identifizierung, Klassifizierung und Modellierung betriebsrelevanter Arbeitspunkte eines elektrischen Netzes aus Echtzeitmesswerten.

  • Herzberg, M. (2023). Entwicklung eines echtzeitfähigen Photovoltaiksimulators auf Basis historischer Strahlungsdaten für einen Power Hardware-in-the-Loop Aufbau mit einem PV-Wechselrichter.

  • Heunda, J.E.W. (2023). Entwicklung, Optimierung und Vergleich von Methoden zur Erzeugung passiver Ersatzschaltbilder aus Messwerten einer Impedanzspektroskopie.

2022

  • Becker, H. C. (2022). Entwicklung, Implementierung und Verifizierung einer Schnittstellensynchronisation für die Kopplung von in Echtzeit simulierten Anlagen und Komponenten an einen PHiL Laboraufbau.

  • Hinzke, M. (2022). Untersuchung der Stabilität eines Power Hardware-in-the-Loop Teststandes unter der Verwendung eines Synchrongenerators als Schnittstelle zwischen Simulation und Hardware.

  • Landenfeld, Jakob (2022). Implementierung und Validierung einer Methode zur Stabilisierung von Power Hardware-in-the-Loop Simulationen mittels einer online-Impedanzmessung auf einem FPGA.

  • Landenfeld, Jakob (2022). Bestimmung der Stabilitätskriterien eines DC Power Hardware-in-the-Loop Aufbaus zur Untersuchung von Rippelstrom in Gleichstromsystemen.

  • Müller, E. (2022). Evaluation of different modelling approaches for battery aging to predict capacity fade for optimization of battery operation.

  • von Krosigk, J. (2022). Analyse und Bewertung einer Einsatzoptimierung für erneuerbare Energieanlagen in Kombination mit Batteriespeichersystemen im Multi-Use Betrieb.

2021

  • Erxleben, J. (2021). Untersuchung der Performance eines Pools aus Erneuerbaren Energien für die Erbringung von frequenzstützenden Maßnahmen.

  • von Krosigk, J. (2021). Untersuchung eines neuartigen Ansatzes zur kurz- und mittelfristigen Vorhersage der Netzfrequenz unter der Verwendung künstlicher neuronaler Netze.