January 20, 2025 Bachelor Thesis Open Access

Zeh-Marschke, Andreas

Citation Style Language JSON Export

{
  "abstract": "<p>Diese Bachelorarbeit ist eine Einf&uuml;hrung in das Maschinelle Lernen anhand einfacher physikalischer Fragestellungen f&uuml;r Studierende, die erste Erfahrungen in der Datenanalyse haben, jedoch noch keine Kenntnisse im Maschinellen Lernen. Es werden grundlegende Begriffe des Maschinellen Lernens und speziell der Bin&auml;ren Klassifikation eingef&uuml;hrt. Wichtig ist dabei der Abgleich zwischen der Sprachwelt im Maschinellen Lernen (dem ML-Jargon) und der Begriffswelt in der physikalischen Welt (Physik-Jargon), damit ein gegenseitiges Verst&auml;ndnis erreicht wird.</p>\n\n<p>Im zweiten Teil der Arbeit wird eine Trennung von Signalen und Hintergrund, die mittels eines einfachen Halbleiterdetektors aufgenommen wurden, anhand der Kontur durchgef&uuml;hrt - es wird somit eine Bilderkennung durchgef&uuml;hrt. Mit Hilfe von Neuronalen Netzen wird eine Genauigkeit von &uuml;ber 99% erzielt.</p>", 
  "author": [
    {
      "family": "Zeh-Marschke, Andreas"
    }
  ], 
  "id": "22293", 
  "issued": {
    "date-parts": [
      [
        2025, 
        1, 
        20
      ]
    ]
  }, 
  "language": "deu", 
  "note": "F\u00fcr R\u00fcckfragen stehe ich gerne zur Verf\u00fcgung. Bei E-Mail-Kontakt bitte Andreas@Zeh-Marschke.de oder uxkof@student.kit.edu verwenden. Danke!", 
  "title": "Einsatz von Methoden des Maschinellen Lernens f\u00fcr eine Bin\u00e4re Klassifikation zur Signal-Hintergrund-Trennung", 
  "type": "thesis"
}