Projektseminar
| Umfang, Credits | 10 SWS, 10 ECTS |
| Kontakt | Gregor Döhner und Axel Zimmermann |
| Vorlesung, Übung | Dienstag und Donnerstag, Vorlesung und hands-on 13:30-15:00 für 4 Wochen, dann eigenständige Projektphase |
| Raum | MW 1701 und 1702 (Vorlesung und hands-on) |
| Das Projektseminar kann als Alternative zum Industriepraktikum gewählt werden. Informationen zum Bewerbungsprozess | |
| Art | Proseminar |
|---|---|
| Semester | Wintersemester 2024/25 |
| Unterrichtssprache | Deutsch |
Inhalte des Projektseminars und abgeschlossene Arbeiten
Verstehe die Dynamik von H2-Flammen
Schaue hinter die Fassade von Machine Learning
Entwickle ordnungsreduzierte Modelle
Entwerfe Tools zur Flammenpropagation
Reduziere komplizierte Wasserstoff-Reaktionsmechanismen
Teilnahmekriterien
Lernziele
Nach erfolgreichem Abschluss des Moduls haben die Studierenden Kenntnisse im Bereich der theoretischen und numerischen Verbrennung, fundamentale Sachkenntnis im Bereich der "Data Science" sowie fortgeschrittene Fähigkeiten im Umgang mit Python. Zudem wird die Arbeitsweise in einer Projektgruppe geschult.
Beschreibung
Die Studierenden entwerfen ein Softwarepaket zur Modellierung von turbulenten Verbrennungsprozessen, welches von aufeinanderfolgenden Jahrgängen immer weiter entwickelt wird und zu einem ausgereiften Zeitpunkt auch außerhalb der Professur für Thermofluiddynamik zur Anwendung kommen soll. Strategien aus dem Bereich des Machine Learnings werden erarbeitet, um die Interaktion von Turbulenz und Chemie in der Simulation von Verbrennungsprozessen effizienter abzubilden. Als Programmierumgebung wird Python genutzt.
Im Rahmen des Projektseminars werden zu Beginn zwei theoretische Schwerpunkte gelegt:
(1) Grundlagen zur Verbrennung
(2) Einführung in die Welt der Data Science und des Deep Learnings
Gleichzeitig dazu werden sich die Studierenden mit Python vertraut machen und die Grundzüge dieser Programmiersprache in kleinen praktischen Aufgaben erarbeiten.
Anschließend folgt die Arbeit in der Projektgruppe und die Studierenden entwerfen in Eigenverantwortlichkeit eine Lösungsstrategie für ihre Augabenstellung. Die Protokollierung der gewonnenen Ergebnisse erfolgt in einem sauber kommentiertem Python Code und einer schriftlichen Ausarbeitung.
Im Rahmen des Projektseminars werden zu Beginn zwei theoretische Schwerpunkte gelegt:
(1) Grundlagen zur Verbrennung
(2) Einführung in die Welt der Data Science und des Deep Learnings
Gleichzeitig dazu werden sich die Studierenden mit Python vertraut machen und die Grundzüge dieser Programmiersprache in kleinen praktischen Aufgaben erarbeiten.
Anschließend folgt die Arbeit in der Projektgruppe und die Studierenden entwerfen in Eigenverantwortlichkeit eine Lösungsstrategie für ihre Augabenstellung. Die Protokollierung der gewonnenen Ergebnisse erfolgt in einem sauber kommentiertem Python Code und einer schriftlichen Ausarbeitung.