January 20, 2025 Bachelor Thesis Open Access

Zeh-Marschke, Andreas

JSON-LD (schema.org) Export

{
  "@context": "https://schema.org/", 
  "@type": "ScholarlyArticle", 
  "contributor": [], 
  "creator": [
    {
      "@type": "Person", 
      "affiliation": "KIT/ETP", 
      "name": "Zeh-Marschke, Andreas"
    }
  ], 
  "datePublished": "2025-01-20", 
  "description": "<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>", 
  "headline": "Einsatz von Methoden des Maschinellen Lernens f\u00fcr eine Bin\u00e4re Klassifikation zur Signal-Hintergrund-Trennung", 
  "image": "https://publish.etp.kit.edu/static/img/logos/zenodo-gradient-round.svg", 
  "inLanguage": {
    "@type": "Language", 
    "alternateName": "deu", 
    "name": "German"
  }, 
  "keywords": [
    "Maschinelles Lernen"
  ], 
  "name": "Einsatz von Methoden des Maschinellen Lernens f\u00fcr eine Bin\u00e4re Klassifikation zur Signal-Hintergrund-Trennung", 
  "url": "https://publish.etp.kit.edu/record/22293"
}