Website
Modulhandbuch ab WS 2014/15

Modul CS5450 T

Modulteil: Maschinelles Lernen (MaschLerna)

Dauer:


1 Semester
Angebotsturnus:


Jedes Wintersemester
Leistungspunkte:


4
Studiengang, Fachgebiet und 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:
  • 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 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:
  • Siehe Hauptmodul
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:

(Ist Modulteil von CS4290, CS4511, CS5400, CS4251-KP08)

Zulassungsvoraussetzungen zum Modul:
- Keine

Zulassungsvoraussetzungen zur Prüfung:
- Teilnahme an der Übung,
Bestehen von mindestens 70% der Übungsaufgaben.

Letzte Änderung:
22.11.2019

Modulhandbuch online

Zur Liste aller Module