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)

2024

2023

2022

2021

Lehrveranstaltungen

Stud.IP
zur Veranstaltung in Stud.IP Studip_icon
Grundlagen des Maschinellen Lernens (VL)
Semester:
WiSe 24/25
Veranstaltungstyp:
Vorlesung (Lehre)
Veranstaltungsnummer:
lv2003
DozentIn:
STS-Office (Thomas Rahmlow), Prof. Dr. Sibylle Renate Schupp, Dipl. Informatiker Rainer Marrone
Beschreibung:
Die Studierenden sollen Konzepte ausgewählter Verfahren des Maschinellen Lernens verstehen und auf Datenbeispiele anwenden können. Studierende können geeignete Verfahren für bereitgestellte Daten auswählen.

Die Studierenden können die Unterschiede zwischen instanzenbasierten und modellbasierten Lernansätzen erläutern und spezifische Ansätze des Maschinellen Lernens für jeden dieser beiden Ansätze auf der Basis von statischen oder inkrementell anwachsenden Datenmengen anwenden. Bei der Behandlung von Unsicherheiten können die Studierenden beschreiben, wie Axiome, Parameter oder Strukturen automatisch anhand unterschiedlicher Algorithmen gelernt werden können. Des Weiteren wird den Studierenden vermittelt, wie unterschiedliche Clustertechniken entworfen werden können. Zudem können sie Rohdaten für Verfahren des Maschinellen Lernens aufbereiten.

Geplante Inhalte:

  • Validierung von Modellen unterschiedlicher Verfahren.
  • Datenbereinigung, Skalierung der Daten, Datenselektion
  • Überwachtes Lernen:
    • Regression
    • Entscheidungsbäume
    • Bayes’sche Netze
    • K-Nächste Nachbarn
    • Logistische Regression
    • Neuronale Netze
    • Support Vector Machines
    • Ensemble Learning
  • Unüberwachtes Lernen:
    • Hierarchische Clustering, K-Mean
Weitere Informationen aus Stud.IP zu dieser Veranstaltung
Heimatinstitut: E-16 Softwaresysteme
In Stud.IP angemeldete Teilnehmer: 3

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