Digital Engineering

Abstract

Dieser praktische, problemorientierte Programmierkurs basiert auf Python Jupyter Notebooks, die theoretischer Grundlagen mit ihrer algorithmischen Umsetzung in Python kombinieren. Der Schwerpunkt liegt auf Problemstellungen, zu deren Lösung Ingenieure auf Computer und numerische Algorithmen angewiesen sind. Studierende erlernen Lösungsstrategien und ihre praktische Umsetzung.

Objective

Nach der erfolgreichen Bearbeitung des «Digital-Engineering» Kurses werden Studierende… • mit interaktiven Python Notebooks arbeiten und diese selber erstellen können. • Python und seine beliebtesten Module für eigene Zwecke verwenden können. • fähig sein, Implementierungs- und Sprachprobleme zu überwinden, um einfache praktische Probleme zu lösen. • Übung im Einsatz von Large Language Modellen zur Unterstützung bei Programmieraufgaben haben. • Übung im Umgang mit grossen Datenmengen und deren Analyse und Darstellung haben. • in der Lage sein mit Bilddaten quantitativ zu arbeiten. • einen ersten Einblick gewinnen, wie an einfachen Systemen wichtige Problemstellungen wie Gleichgewicht, dynamisches Verhalten und Optimierung angegangen werden können. • Problemstellungen kategorisieren und spezifische digitale Lösungsstrategien in eigenen Worten mit ihren Beschränkungen skizzieren können. • Bausteine aus unterschiedlichen Lösungsstrategien miteinander kombinieren können, um diese auf neue Fragestellungen anzuwenden.

Content

Der Kurs verbindet praktische Übungen mit Vorlesungsblöcken auf eine Weise, dass Studierende aktiv während der Lehreinheiten mit Python Jupyter Notebooks mitarbeiten. Aufbauend auf den vermittelten Kompetenzen im Kurs «Programming of Civil Engineers» im Lesen, Vervollständigen und Entwickeln von Programmmustern in Matlab und Python, werden sich Studierende einen problemlösungsorientierten Werkzeugsatz mit den beliebtesten Python-Modulen in Python Jupyter Notebooks erarbeiten, um Python als Standardprogrammiersprache für weitere Studien zu konsolidieren. Alle Themen sind durch Problemstellungen aus unterschiedlichen Feldern der Bauingenieurpraxis motiviert. Sie bilden die Durchdringung des Bauingenieurwesens durch Computeranwendungen ab. Der Kurs ist in 8 Themenblöcke segmentiert (1VL=45min): 1. Arbeiten mit Python (4VL+4U): Auffrischen der Python Kenntnisse aus dem vorhergehenden Programmierkurs und Einführung in die Module NumPy, SciPy und MatPlotLib. 2. Large Language Modelle (4VL+4U): Produktiver Einsatz von LLM zum Lösen von Programmieraufgaben. 3. Python-I/O und Big Data (2VL+2U): Umgang mit umfangreichen Datensätzen mit Pandas. Sichten, verarbeiten, filtern und analysieren von Daten. 4. Graphische Visualisierung (2VL+2U): Generieren hochwertiger Abbildungen. 5. Bildbearbeitung und –analyse (2VL+2U): Verwendung von Bildern und Sequenzen zur Lösung von Ingenieurproblemen. 6. Gleichgewichtslösungen (2VL+2U): Aufbau einfacher, zusammengesetzter Systeme und Ermittlung von deren Gleichgewichtslösung. 7. Dynamische Lösungen (4VL+4U): Ansätze zur Lösung der zeitlichen Entwicklung von Systemen und ihres dynamischen Verhaltens. 8. Optimierte Lösungen (4VL+4U): Strategien und Algorithmen zur Entwicklung und Optimierung von Systemen.

Resources