Dauer:
1 Semester | Angebotsturnus:
Jedes Wintersemester | Leistungspunkte:
4 |
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: Lehrende: |
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) |
Letzte Änderung: 13.9.2021 |
für die Ukraine