Modul CS5450 T

Modulteil: Maschinelles Lernen (MaschLerna)

Dauer:

1 Semester

Angebotsturnus:

Jedes Wintersemester

Leistungspunkte:

Studiengang, Fachgebiet und Fachsemester:

Master Biophysik 2023 (Modulteil eines Wahlmoduls), Vertiefung, 1. Fachsemester
Master Informatik 2019 (Modulteil eines Wahlmoduls), Modulteil, Beliebiges Fachsemester
Master Medizinische Ingenieurwissenschaft 2020 (Modulteil eines Wahlmoduls), Informatik/Elektrotechnik, Beliebiges Fachsemester
Master Entrepreneurship in digitalen Technologien 2020 (Modulteil eines Wahlmoduls), Modulteil, Beliebiges Fachsemester
Master Biophysik 2019 (Modulteil eines Wahlmoduls), Vertiefung, 1. Fachsemester
Master IT-Sicherheit 2019 (Modulteil eines Wahlmoduls), Modulteil, 1. oder 2. Fachsemester
Master Entrepreneurship in digitalen Technologien 2014 (Modulteil eines Wahlmoduls), Modulteil, Beliebiges Fachsemester
Master Medizinische Ingenieurwissenschaft 2014 (Modulteil eines Wahlmoduls), Informatik/Elektrotechnik, 1. oder 2. Fachsemester
Master Informatik 2014 (Modulteil eines Wahlmoduls), Modulteil, Beliebiges Fachsemester

Lehrveranstaltungen:

CS5450-Ü: Maschinelles Lernen (Übung, 1 SWS)
CS5450-V: Maschinelles Lernen (Vorlesung, 2 SWS)

Workload:

20 Stunden Prüfungsvorbereitung
55 Stunden Selbststudium
45 Stunden Präsenzstudium

Lehrinhalte:
Lernen von Repräsentationen Statistische Lerntheorie VC-Dimension und Support-Vektor-Maschinen Boosting Deep learning Grenzen der Induktion und Gewichtung der Daten

Qualifikationsziele/Kompetenzen:

Studierende können unterschiedliche Lernprobleme erläutern.
Sie können unterschiedliche Verfahren des maschinellen Lernens erklären und beispielhaft anwenden.
Sie können für eine gegeben Problemstellung ein geeignetes Lernverfahren auswählen und testen.
Sie können die Grenzen der automatischen Datenanalyse erkennen und erläutern .

Vergabe von Leistungspunkten und Benotung durch:

Prüfungsform hängt vom übergeordneten Modul ab

Modulverantwortlicher:

Siehe Hauptmodul

Lehrende:

Institut für Neuro- und Bioinformatik

Literatur:

Chris Bishop: Pattern Recognition and Machine Learning - Springer ISBN 0-387-31073-8
Vladimir Vapnik: Statistical Learning Theory - Wiley-Interscience, ISBN 0471030031
Tom Mitchell: Machine Learning - McGraw Hill. ISBN 0-07-042807-7

Sprache:

Englisch, außer bei nur deutschsprachigen Teilnehmern

Bemerkungen:

Zulassungsvoraussetzungen zur Belegung des Moduls:
- Keine

Zulassungsvoraussetzungen zur Teilnahme an Modul-Prüfung(en):
- Erfolgreiche Bearbeitung von Übungszetteln gemäß Vorgabe am Semesteranfang

Modulprüfung(en):
- CS5450-L1: Maschinelles Lernen, mündliche Prüfung, 100% der Modulnote

(Ist Modulteil von CS4290, CS4511, CS5400, CS4251-KP08)