Statistisches Lernen 2 Lab

Masterstudium

Folgende Kompetenzen werden in der Lehrveranstaltung erarbeitet:

- Die Studierenden können weiterführende Algorithmen der Data Science praktisch nachvollziehen.
- Die Studierenden können weiterführende Algorithmen der Data Science für spezifische Einsatzzwecke konfigurieren.
- Die Studierenden können die behandelten Algorithmen in isolierten Problemstellungen anwenden.

Modulprüfung MLAL.A1 (Algorithmik 1)

Im Lab werden die Inhalte der ILV "Statistisches Lernen 2" mit Hilfe von praktische Übungen vertieft. Die dabei gewonnenen Erkenntnisse werden in der Gruppe diskutiert und erlauben so einen tiefen Einblick in die Materie und eine Festigung des Wissens, das in der ILV theoretisch vermittelt wurde.

PRIMÄRLITERATUR:
- Murphy, K. P. (2012): Machine Learning: A Probabilistic Perspective (Ed. 1), MIT Press, Cambridge (ISBN: 978-0-262-01802-9)
- Bishop, C. (2006): Pattern Recognition and Machine Learning (Ed. 1), Springer-Verlag, New York (ISBN: 978-0-387-31073-2)

SEKUNDÄRLITERATUR:
- James, G.; Witten, D; Hastie, T.; Tibshirani, R. (2013): An Introduction to Statistical Learning: with Applications in R (Ed. 1), Springer Science & Business Media, New York (ISBN: 978-1-461-471387)
- Steele, B.; Chandler, J.; Reddy, S. (2016): Algorithms for Data Science (Ed. 1), Springer, Berlin (ISBN: 978-3319457956)

Folgende Prüfungsmethoden werden in der Lehrveranstaltung zum Einsatz gebracht:

- Projektarbeit
- Hausarbeiten

Deutsch

2.5

0

1.0

Folgende Methoden kommen zum Einsatz:

- Bearbeitung von Übungsaufgaben
- Interaktiver Workshop

2

Prof. (FH) Dr. Lukas Huber, Prof. (FH) Dr. Michael Kohlegger

MLAL.6

Übung, Konstruktionsübung

Pflichtfach

kein