Website
Modulhandbuch Master Medizinische Informatik ab WS 2019/20

Modul CS5450-KP04, CS5450

Maschinelles Lernen (MaschLern)

Dauer:


1 Semester
Angebotsturnus:


Jedes Wintersemester
Leistungspunkte:


4
Studiengang, Fachgebiet und Fachsemester:
  • Master Mathematik in Medizin und Lebenswissenschaften 2023 (Wahlpflicht), Informatik, 3. Fachsemester
  • Master Hörakustik und Audiologische Technik 2022 (Wahlpflicht), Informatik, 1. Fachsemester
  • Master Medizinische Ingenieurwissenschaft 2020 (Wahlpflicht), Informatik/Elektrotechnik, Beliebiges Fachsemester
  • Master Medieninformatik 2020 (Wahlpflicht), Informatik, Beliebiges Fachsemester
  • Master Medizinische Informatik 2019 (Wahlpflicht), Medical Data Science / Künstliche Intelligenz, 1. oder 2. Fachsemester
  • Master Hörakustik und Audiologische Technik 2017 (Wahlpflicht), Informatik, 1. Fachsemester
  • Master Mathematik in Medizin und Lebenswissenschaften 2016 (Wahlpflicht), Informatik, 3. Fachsemester
  • Master Medizinische Ingenieurwissenschaft 2014 (Wahlpflicht), Informatik/Elektrotechnik, Beliebiges Fachsemester
  • Master Medizinische Ingenieurwissenschaft 2011 (Wahlpflicht), Mathematik, 1. oder 2. Fachsemester
  • Master Medizinische Ingenieurwissenschaft 2011 (Vertiefung), Bildgebende Systeme, Signal- und Bildverarbeitung, 1. oder 2. Fachsemester
  • Master Medizinische Informatik 2014 (Wahlpflicht), Informatik, 1. oder 2. Fachsemester
  • Master Mathematik in Medizin und Lebenswissenschaften 2010 (Wahl), Informatik, Beliebiges Fachsemester
  • Master Informatik 2012 (Wahlpflicht), Anwendungsfach Robotik und Automation, 3. Fachsemester
  • Master Informatik 2012 (Wahlpflicht), Anwendungsfach Bioinformatik, 3. Fachsemester
Lehrveranstaltungen:
  • CS5450-Ü: Maschinelles Lernen (Übung, 1 SWS)
  • CS5450-V: Maschinelles Lernen (Vorlesung, 2 SWS)
Workload:
  • 45 Stunden Präsenzstudium
  • 55 Stunden Selbststudium
  • 20 Stunden Prüfungsvorbereitung
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 gegebene Problemstellung ein geeignetes Lernverfahren auswählen und testen.
  • Sie können die Grenzen der automatischen Datenanalyse erkennen und erläutern.
Vergabe von Leistungspunkten und Benotung durch:
  • Mündliche Prüfung
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
Sprache:
  • Englisch, außer bei nur deutschsprachigen Teilnehmern
Bemerkungen:

Zulassungsvoraussetzungen zur Belegung des Moduls:
- Keine

Zulassungsvoraussetzungen zur Teilnahme an Modul-Prüfung(en):
- keine

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

Letzte Änderung:
2.2.2022