Machine Learning (DLBIML)

Modulbezeichnung:

Machine Learning

Modulnummer:

DLBIML

Semester:

Dauer:

Minimaldauer 1 Semester

Modultyp:

Wahlpflicht

Regulär angeboten im:

WS, SS

Workload: 300 h

ECTS Punkte : 10

Zugangsvoraussetzungen:

keine

Unterrichtssprache:

Deutsch

Kurse im Modul:

Workload:

Selbststudium: 200 h
Selbstüberprüfung: 50 h
Tutorien: 50 h

Kurskoordinatoren/Tutoren::

Siehe aktuelle Liste der Tutoren im Learning Management System

Modulverantwortliche(r):

Dr. Marian Benner-Wickner

Bezüge zu anderen Programmen:

Bezüge zu anderen Modulen im Programm:

Qualifikations- und Lernziele des Moduls :

Statistical Computing:
Nach erfolgreichem Abschluss sind die Studierenden in der Lage,

den Begriff Statistical Computing einzuordnen und abzugrenzen.
sich eine PC-Arbeitsumgebung zu schaffen, mit der Aufgaben aus dem Themengebiet Statistical Computing bearbeitet werden können.
einfache Programme mit der Programmiersprache R zu schreiben.
mit R Daten zu importieren und zu exportieren.
mit R verschiedene statistische Verfahren anzuwenden, von der deskriptiven Statistik über die Inferenzstatistik bis hin zur Varianz- und Regressionsanalyse.

Deep Learning :
Nach erfolgreichem Abschluss sind die Studierenden in der Lage,

Konzepte des Deep Learning in den Kontext maschinelles Lernen und künstliche Intelligenz einzuordnen.
verschiedene Regressionsarten abzugrenzen und insbesondere die Umsetzung der logistischen Regression mit Perzeptronen zu erläutern.
den Aufbau und die Funktionsweise einfacher neuronaler Netze zu erläutern.
Konzepte und Zusammenhänge im Zusammenhang mit dem Trainieren von neuronalen Netzen zu erläutern und in Teilen zu implementieren.
verschiedene Deep Learning-Frameworks abzugrenzen.
neuronale Netze mithilfe eines Deep Learning-Frameworks zu implementieren, zu trainieren und zu optimieren.
den Aufbau und die Funktionsweise von Convolutional Neural Networks zu verstehen und sie mithilfe eines Deep Learning-Frameworks trainieren zu können.

Lehrinhalt des Moduls:

Statistical Computing:

Deep Learning :

Lehrmethoden:

Siehe Kursbeschreibungen

Literatur:

Siehe Literaturliste der vorliegenden Kursbeschreibungen

Anteil der Modulnote an der Gesamtabschlussnote des Programms :

Prüfungszulassungsvoraussetzung:

Abschlussprüfungen:

Siehe Kursbeschreibungen