Dies sind Unterlagen für ein Tutorial für Maschinelles Lernen in der Physik, das im Rahmeine einer Bachelorarbeit [1] angefangen wurde.

Diese Bachelorarbeit ist eine Einführung in das Maschinelle Lernen anhand einfacher physikalischer Fragestellungen. Die Arbeit richtet sich an 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 Binären Klassifikation eingeführt. 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 Verständnis erreicht wird.

Im zweiten Teil der Arbeit wird eine Trennung von Signalen und Hintergrund, also ein Binäre Klassifikation, durchgeführt Es werden Wellen, die mittels eines einfachen Halbleiterdetektors aufgenommen wurden, anhand der Kontur klassifiziert - es wird somit eine Bilderkennung durchgeführt. Mit Hilfe von Neuronalen Netzen wird eine Genauigkeit von über 99% erzielt.

Mit einfachen Werkzeugen, einfachen Hilfsmitteln und einfachen physikalischen Fragestellungen wird in die Welt des maschinelle Lernen eingetaucht. Daraus können Anregungen für Experimente, die beispielsweise auch in einem physikalischen Praktikum angewendet werden können, entstehen. Es ist somit eine kleine und nicht vollständige Einführung in das Maschinelle Lernen. Eine vollständige Einführung würde den Rahmen der Bachelorarbeit sprengen. Sie kann Ausgangspunkte für weitere Schritte in der weiten Welt des maschinellen Lernens sein.

Die Erweiterunng und damit der weitere Aufbau des Tutorial ist in Arbeit.

Die Sourcen stehen mit CC BY-Lizenz zur Verfügung.

[1] Zeh-Marschke, Andreas. (2025, January 20). Einsatz von Methoden des Maschinellen Lernens für eine Binäre Klassifikation zur Signal-Hintergrund-Trennung. URL: https://publish.etp.kit.edu/record/22284