Allgemeine Informationen


Der Kurs findet als semesterbegleitende Veranstaltung im Wintersemester in englischer Sprache statt.

Eine vorläufige Modulbeschreibung finden Sie hier. Das Modul wird mit 5 LP kreditiert.

Die Veranstaltung gehört zur Spezialisierung DataScienceMATSE.

Unterrichtsdauer


2 SWS Vorlesung pro Woche (über ca. 11 Wochen)
2 SWS Übung pro Woche (über ca. 11 Wochen)

Voraussetzungen


Lineare Algebra, Stochastik

Inhalte


Vorlesung: Machine Learning ist einer der wichtigsten Bereiche der Künstlichen Intelligenz. Ziel ist die Entwicklung von IT-Systemen, die selbstständig Daten analysieren und mit steigender Erfahrung in der Lage sind, die Qualität ihrer Ergebnisse automatisch zu verbessern. Das Modul stellt Basisinhalte sowie gängige Techniken des Machine Learnings vor. Einzelne Themenfelder sind dabei:

  • Automatische Klassifizierung und Gruppierung der Daten
  • Datenvorhersagesysteme
  • Lernen anhand von Entscheidungsbäumen, Bayesscher Logik, Linearer und Logistischer Regression und neuronaler Netze

Die Vorlesung umfasst die praktische Nutzung der vorgestellten Techniken und bereitet die Studierenden auf die eigene Implementierung einer realen Anwendung aus dem Bereich des Machine Learning vor.

 

Projekt: Im Rahmen des Projekts wird ein reales Problem von den Studierenden vollständig umgesetzt und präsentiert.

Veranstaltungsunterlagen


Werden noch bekannt gegeben.

Prüfung


75% Schriftliche Klausur im Umfang von 2 Stunden, 25% Projekt

Kontakt
  • No labels