Intelligent & Adaptive Systems (E)
Niveau
2. Studienzyklus, Master
Lernergebnisse der Lehrveranstaltungen/des Moduls
Die Teilnehmer:innen:
• haben ein Grundverständnis von Machine Learning
• kennen Werkzeuge (z.B. Bibliotheken, Cloud Plattformen oder Softwarewerkzeuge), mit deren Hilfe Machine Learning unterstützt werden kann.
• können einfache Machine Learning Projekte konzipieren.
• können einfache Machine Learning Projekte selbstständig durchführen
• haben ein Grundverständnis von Machine Learning
• kennen Werkzeuge (z.B. Bibliotheken, Cloud Plattformen oder Softwarewerkzeuge), mit deren Hilfe Machine Learning unterstützt werden kann.
• können einfache Machine Learning Projekte konzipieren.
• können einfache Machine Learning Projekte selbstständig durchführen
Voraussetzungen der Lehrveranstaltung
Grundkenntnisse in Programmierung und Mathematik/Statistik
Lehrinhalte
Folgende Kompetenzen werden in der Lehrveranstaltung erarbeitet:
- Die Studierenden haben ein Grundverständnis von Machine Learning
- Die Studierenden kennen Werkzeuge (z.B. Bibliotheken, Cloud Plattformen oder Softwarewerkzeuge), mit deren Hilfe Machine Learning unterstützt werden kann.
- Die Studierenden können die erarbeiteten Werkzeuge hinsichtlich ihrer Eignung für konkrete Problemstellungen vergleichen.
- Die Studierenden können einfache Machine Learning Projekte konzipieren.
- Die Studierenden können einfache Machine Learning Projekte selbstständig durchführen
- Die Studierenden haben ein Grundverständnis von Machine Learning
- Die Studierenden kennen Werkzeuge (z.B. Bibliotheken, Cloud Plattformen oder Softwarewerkzeuge), mit deren Hilfe Machine Learning unterstützt werden kann.
- Die Studierenden können die erarbeiteten Werkzeuge hinsichtlich ihrer Eignung für konkrete Problemstellungen vergleichen.
- Die Studierenden können einfache Machine Learning Projekte konzipieren.
- Die Studierenden können einfache Machine Learning Projekte selbstständig durchführen
Empfohlene Fachliteratur
PRIMÄRLITERATUR:
- Géron, A. (2017): Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques for Building Intelligent Systems (Ed. 1), O´Reilly, Farnham (ISBN: 978-1491962299)
- Lutz, M (2013): Learning Python (Ed. 1), O'Reilly Media, Farnham (ISBN: 978-1449355739)
- Géron, A. (2017): Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques for Building Intelligent Systems (Ed. 1), O´Reilly, Farnham (ISBN: 978-1491962299)
- Lutz, M (2013): Learning Python (Ed. 1), O'Reilly Media, Farnham (ISBN: 978-1449355739)
Bewertungsmethoden und -Kriterien
Klausur
Unterrichtssprache
Englisch
Anzahl der zugewiesenen ECTS-Credits
6
E-Learning Anteil in %
Semesterwochenstunden (SWS)
Geplante Lehr- und Lernmethode
- Vortrag mit Diskussion
- Bearbeitung von Übungsaufgaben
- Interaktiver Workshop
- Bearbeitung von Übungsaufgaben
- Interaktiver Workshop
Semester/Trisemester, In dem die Lehrveranstaltung/Das Modul Angeboten wird
1
Studienjahr
2
Kennzahl der Lehrveranstaltung/des Moduls
Art der Lehrveranstaltung/des Moduls
Art der Lehrveranstaltung
Praktikum/Praktika
-