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 > Lehre > Lehrveranstaltungen

Lehrveranstaltungen des aktuellen und des letzten Semesters (aus Stud.IP)

aktuelles Semester
zur Veranstaltung in Stud.IP Studip_icon
Machine Learning in Electrical Engineering and Information Technology
Semester:
SoSe 24
Veranstaltungstyp:
Vorlesung (Lehre)
Veranstaltungsnummer:
lv3004_s24
DozentIn:
Prof. Dr. sc. techn. Christian Schuster, Prof. Dr.-Ing. Christian Becker, Prof. Dr. Alexander Kölpin, Gerhard Bauch, Dr. Maximilian Stark, Dr. Davood Babazadeh, Dr. Cheng Yang, PD Dr.-Ing. habil. Rainer Grünheid, Simon Stock, M.Sc.
Beschreibung:
This master course, a collaborative effort between the Institute of Communications, the Institute for High-Frequency Engineering, the Institute for Power Systems, and the Institute for Theoretical Electrical Engineering, is designed to unveil the synergies between machine learning and our respective fields of expertise. In an age defined by rapid technological advancement, machine learning stands as a catalyst for innovation, offering transformative possibilities across diverse sectors. From optimizing communication systems to enhancing power grid efficiency, and from refining signal processing techniques to enabling autonomous systems, the integration of machine learning techniques holds immense promise for addressing contemporary challenges. Throughout this course, we will delve into the theoretical underpinnings, practical methodologies, and tangible applications of neural networks and machine learning algorithms. By delving into algorithmic design, data analysis, and optimization techniques, we aim to equip you with the skills and insights needed to navigate the complexities of modern engineering landscapes.
Leistungsnachweis:
m1785-2022 - Machine Learning in Electrical Engineering and Information Technology<ul><li>p1778-2022 - Machine Learning in Electrical Engineering and Information Technology: mündlich</li></ul>
ECTS-Kreditpunkte:
6
Weitere Informationen aus Stud.IP zu dieser Veranstaltung
Heimatinstitut: E-8 Nachrichtentechnik
In Stud.IP angemeldete Teilnehmer: 108
Anzahl der Postings im Stud.IP-Forum: 4
Anzahl der Dokumente im Stud.IP-Downloadbereich: 25
letztes Semester
zur Veranstaltung in Stud.IP Studip_icon
Machine Learning in Electrical Engineering and Information Technology
Semester:
SoSe 24
Veranstaltungstyp:
Vorlesung (Lehre)
Veranstaltungsnummer:
lv3004_s24
DozentIn:
Prof. Dr. sc. techn. Christian Schuster, Prof. Dr.-Ing. Christian Becker, Prof. Dr. Alexander Kölpin, Gerhard Bauch, Dr. Maximilian Stark, Dr. Davood Babazadeh, Dr. Cheng Yang, PD Dr.-Ing. habil. Rainer Grünheid, Simon Stock, M.Sc.
Beschreibung:
This master course, a collaborative effort between the Institute of Communications, the Institute for High-Frequency Engineering, the Institute for Power Systems, and the Institute for Theoretical Electrical Engineering, is designed to unveil the synergies between machine learning and our respective fields of expertise. In an age defined by rapid technological advancement, machine learning stands as a catalyst for innovation, offering transformative possibilities across diverse sectors. From optimizing communication systems to enhancing power grid efficiency, and from refining signal processing techniques to enabling autonomous systems, the integration of machine learning techniques holds immense promise for addressing contemporary challenges. Throughout this course, we will delve into the theoretical underpinnings, practical methodologies, and tangible applications of neural networks and machine learning algorithms. By delving into algorithmic design, data analysis, and optimization techniques, we aim to equip you with the skills and insights needed to navigate the complexities of modern engineering landscapes.
Leistungsnachweis:
m1785-2022 - Machine Learning in Electrical Engineering and Information Technology<ul><li>p1778-2022 - Machine Learning in Electrical Engineering and Information Technology: mündlich</li></ul>
ECTS-Kreditpunkte:
6
Weitere Informationen aus Stud.IP zu dieser Veranstaltung
Heimatinstitut: E-8 Nachrichtentechnik
In Stud.IP angemeldete Teilnehmer: 108
Anzahl der Postings im Stud.IP-Forum: 4
Anzahl der Dokumente im Stud.IP-Downloadbereich: 25

Lehrveranstaltungen – Gesamtübersicht

Informationen zu den Lehrveranstaltungen und Modulen entnehmen Sie bitte dem aktuellen Vorlesungsverzeichnis und dem Modulhandbuch Ihres Studienganges.

Lehrveranstaltung Modul Zeitraum  
lv2706 Smart-Grid-Technologien (VL) Smart-Grid-Technologien WiSe  
lv2707 Smart-Grid-Technologien (PBL)      
lv1670 Elektrische Energiesysteme I: Einführung in elektrische Energiesysteme (VL) Elektrische Energiesysteme I: Einführung in elektrische Energiesysteme WiSe  
lv1671 Elektrische Energiesysteme I: Einführung in elektrische Energiesysteme (GÜ)      
lv1696 Elektrische Energiesysteme II: Betrieb und Informationssysteme elektrischer Energienetze (VL) Elektrische Energiesysteme II: Betrieb und Informationssysteme elektrischer Energienetze WiSe  
lv1697 Elektrische Energiesysteme II: Betrieb und Informationssysteme elektrischer Energienetze (HÜ)      
lv1683 Elektrische Energiesysteme III: Dynamik und Stabilität elektrischer Energiesysteme (VL) Elektrische Energiesysteme III: Dynamik und Stabilität elektrischer Energiesysteme SoSe  
lv1684 Elektrische Energiesysteme III: Dynamik und Stabilität elektrischer Energiesysteme (HÜ)      
lv178 Elektrotechnik II: Wechselstromnetzwerke und grundlegende Bauelemente (VL) Elektrotechnik II: Wechselstromnetzwerke und grundlegende Bauelemente SoSe  
lv179 Elektrotechnik II: Wechselstromnetzwerke und grundlegende Bauelemente (GÜ)      
lv747 Elektrotechnik II (EN) (VL) Elektrotechnik II (EN) SoSe  
lv748 Elektrotechnik II (EN) (GÜ)      
lv1077 Prozessmesstechnik (VL) Prozessmesstechnik SoSe  
lv1083 Prozessmesstechnik (HÜ)      
lv640 Elektrotechnisches Projektpraktikum (PBL) Elektrotechnisches Projektpraktikum SoSe  
lv3008 Machine Learning Applications in Electric Power Systems (VL) Maschinelles Lernen in der Elektro- und Informationstechnik SoSe  

 

SoSe: Sommersemester
WiSe: Wintersemester
VL: Vorlesung
GÜ: Gruppenübung
HÜ: Hörsaalübung
PBL: Projekt-/problembasierte Lehrveranstaltung
EN: Lehrsprache Englisch

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