Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 
Name des Moduls [352910] Mastermodul Maschinelles Lernen I - 3 LP Bezeichnung des Moduls FMI-IN3261

Studiengang [079] - Informatik ECTS Punkte 3

Arbeitsaufwand für Selbststudium 60 Häufigkeit des Angebotes (Modulturnus) unregelmäßig, siehe gegebenenfalls zusätzliche Informationen
Arbeitsaufwand in Präsenzstunden 30 Dauer des Moduls 1
Arbeitsaufwand Summe (Workload) 90    

Modul-Verantwortliche/r

Joachim Denzler

Voraussetzung für die Vergabe von Leistungspunkten (Prüfungsform)

mündliche oder schriftliche Prüfung oder Projektarbeit

Die Prüfungsform richtet sich nach der in diesem Modul gewählten Lehrveranstaltung. Sie wird im Vorlesungsverzeichnis veröffentlicht und von der Lehrperson zu Veranstaltungsbeginn bekannt gegeben.

Zusätzliche Informationen zum Modul
  • Die gewählte Lehrveranstaltung darf nicht in einem anderen Modul belegt worden sein.
  • Eine kontinuierliche Anwesenheit und Engagement in den Lehrveranstaltungen ist für den Studienerfolg dringend zu empfehlen.
Unterrichtssprache

Deutsch, bei Bedarf Englisch

Voraussetzung für die Zulassung zum Modul

keine

Empfohlene bzw. erwartete Vorkenntnisse

siehe Hinweise zu den Lehrveranstaltungen im Vorlesungsverzeichnis

Art des Moduls (Pflicht-, Wahlpflicht- oder Wahlmodul)

079 M.Sc. Informatik (PO-V. 2021): Wahlpflichtmodul (Säule Anwendungen)

Zusammensetzung des Moduls / Lehrformen (V, Ü, S, Praktikum, …)

Vorlesung und/oder Übung im Gesamtumfang von 2 SWS
Die genaue Zusammensetzung ist abhängig von der gewählten Lehrveranstaltung und wird im Vorlesungsverzeichnis angekündigt.

Inhalte

Gegenstand des Moduls sind Themen zu:

  • Mustererkennung
  • Datenaufbereitung und Datenvorverarbeitung
  • Merkmalsgewinnung und Merkmalsextraktion
  • Überwachtes Lernen: Klassifikation und Regression
  • Unüberwachtes Lernen: Gruppierung und Clustering
  • Datamining und Datenvisualisierung
  • Grundlagen der tiefen Lernverfahren (deep learning)
  • Fortgeschrittene Methoden des tiefen Lernens
  • Spezielle Anwendungen von tiefen Lernverfahren
  • Modellierung zeitvarianter Systeme
  • Probleme und Methoden der Zeitreihenanalyse
  • Probalistische Aktionsauswahl
  • Reinforcement Learning
  • Sensordatenfusion

Gewählt werden kann aus dem Lehrveranstaltungsangebot. Genaue Angaben zum gewählten Lehrinhalt befinden sich im Veranstaltungskommentar zu jeder Lehrveranstaltung.

Lern- und Qualifikationsziele
  • Die Studierenden sammeln ausgewählte fortgeschrittene Kenntnisse und Fähigkeiten in einem kleinen Teilgebiet des Maschinellen Lernens.
  • Die Studierenden sind in der Lage, Probleme auf einem speziellen Gebiet des Maschinellen Lernens zu verstehen, zu analysieren und zu lösen.
  • Die Studierenden beherrschen ausgewählte wichtige und gängige Methoden des Maschinellen Lernens und sind in der Lage, diese auf ausgewählte Aufgabenstellungen aus der Praxis anzuwenden.
  • Die Studierenden trainieren ihr konzeptionelles, analytisches und logisches Denken.
Voraussetzung für die Zulassung zur Modulprüfung

Die Voraussetzungen für die Zulassung zur Modulprüfung werden durch die Lehrveranstaltung bestimmt, die Sie mit diesem Modul belegen. Sie werden im Vorlesungsverzeichnis veröffentlicht und von der Lehrperson zu Veranstaltungsbeginn mitgeteilt.

Impressum | Datenschutzerklärung