Menu

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

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

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)


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

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

-