Grundlagen des Maschinellen Lernens
Sommer
(engl. Introduction to Machine Learning )
Modulnummer: FIN-INF-110482 |
| Link zum LSF: | LSF |
| Verantwortung: | Andreas Nürnberger |
| Dozent:in: | Andreas Nürnberger |
| Lehrveranstaltungen: |
|
| Verwendbarkeit: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Computer Games - B.Sc. INF: Studienprofil: Forensik Design - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Anwendungsfach - Computer Games - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht |
|
Kürzel
|
CP 5 |
Semester Sommer |
Fachsem. ab 3. |
Dauer 1 Semester |
Sprache deutsch |
Niveau Bachelor |
Angestrebte Lernergebnisse:
Die Studierenden ...
- haben die Fähigkeit, Machine Learning Pipelines und individuelle Algorithmen zu erstellen
- können Entscheidungsbäume, Mehrebenen-Perceptrons, und KNN Klassifizierer in Java, Python, C++ programmieren
- können die Leistung verschiedener Klassifizierer bei praktischen Anwendungen bewerten
Inhalt:
- Einführung in das Funktionslernen;
- Einführung in die Konzepträume und Konzeptlernen;
- Algorithmen des Instanz-basiertes Lernens und Clusteranalyse;
- Algorithmen zum Aufbau der Entscheidungsbäume;
- Bayesches Lernen;
- Neuronale Netze;
- Assoziationsanalyse;
- Verstärkungslernen;
- Hypothesen Evaluierung
Arbeitsaufwand:
56h Präsenz + 94h selbstständige Arbeit
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Klausur (auch als unbenotete Prüfungsleistung). Voraussetzung zur Teilnahme an der Prüfung werden in der ersten Vorlesung und online bekannt gegeben.
|
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
|
| Medienformen: | Literatur: |
|
|
|
Hinweise: