Logo Institut für Elektrische Energietechnik
Institut für Elektrische Energietechnik
Logo Institut für Elektrische Energietechnik
Institut für Elektrische Energietechnik
DE
EN
Suche
DE
EN
Suche
IEET > Personal > Wissenschaftliche Mitarbeitende > Marwan Mostafa, M.Sc.

Marwan Mostafa

M.Sc.
Wissenschaftlicher Mitarbeiter

Kontakt

Marwan Mostafa, M.Sc.
E-6 Elektrische Energietechnik
  • Elektrische Energietechnik
Sprechzeiten
nach Vereinbarung/ by appointment
Harburger Schloßstraße 22a,
21079 Hamburg
Gebäude HS22a, Raum 2.015
Tel: +49 40 42878 4097
Logo

Forschungsprojekt

iNeP
Integrierte Netzplanung der Sektoren Strom, Gas und Wärme

iNeP

Integrierte Netzplanung der Sektoren Strom, Gas und Wärme

Bundesministerium für Wirtschaft und Klimaschutz (BMWK); Laufzeit: 2021 bis 2026

zur Projektseite

Publikationen

TUHH Open Research (TORE)

2023

2022

2021

Lehrveranstaltungen

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

Betreute Abschlussarbeiten

laufende
beendete

2022

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

TU Hamburg
Institut für Elektrische Energietechnik (ieet) E-6
Prof. Dr.-Ing. Christian Becker
Harburger Schloßstraße 22a
21079 Hamburg
E-Mail : ieet(at)tuhh.de
Tel : +49 40 42878 3213
Weiterführende Links
Lageplan und Anfahrt
Datenschutz
Impressum