Aydin, RolandRolandAydin11897466970000-0002-9542-9146Schiessler, Elisabeth J.Elisabeth J.Schiessler2024-11-222024-11-222024Technische Universität Hamburg (2024)https://hdl.handle.net/11420/52053Effectively applying machine learning methods, particularly in applied sciences, can pose significant challenges. However, when employed correctly, these algorithms prove to be powerful tools, offering substantial benefits across a wide range of research applications. Fine-tuning them to individual needs and circumstances requires making a number of relevant and well-informed choices, all of which can profoundly impact the quality of the outcome. In this thesis, I present a comprehensive overview over the machine learning process, along with two use-cases of successful machine learning application in practice.Maschinelles Lernen effektiv einzusetzen kann signifikante Herausforderungen mit sich bringen, insbesondere in den angewandten Wissenschaften. Wenn sie allerdings korrekt angewandt werden, so sind diese Algorithmen leistungsstarke Werkzeuge, die für eine Vielzahl von Forschungsanwendungen erheblichen Nutzen bringen können. Ihre Feinabstimmung auf individuelle Bedürfnisse und Umstände erfordert einer Reihe relevanter und fundierter Entscheidungen, die alle die Qualität der Ergebnisse maßgeblich beeinflussen können. In dieser Dissertation präsentiere ich einen umfassenden Überblick über den Prozess des maschinellen Lernens, sowie zwei Anwendungsbeispiele für erfolgreiche Anwendung von maschinellem Lernen in der Praxis.enhttps://creativecommons.org/licenses/by/4.0/machine learningdeep learningfeature selectionneural architecture searchoptimizationautomationComputer Science, Information and General Works::006: Special computer methods::006.3: Artificial IntelligenceDoctoral Thesis10.15480/882.1370610.15480/882.13706Landsiedel, OlafOlafLandsiedelOther