Digitale Innovation und Transformation, Master (PO-2024)
| Modulnummer / Modulcode | WAHL-11 |
|---|---|
| Modulname | Labor Grand Challenges of Machine Learning |
| Art des Moduls | Wahlpflicht |
| Lernergebnisse, Kompetenzen, Qualifikationsziele | Die Studierenden haben die Fähigkeit, durch Kreativität und innovative Ideen maschinelle Lernprobleme zu lösen. Die Studierenden sind darüber hinaus in der Lage, eine praktische Problemstellung aus Forschung oder Industrie zu bearbeiten. |
| Lehrveranstaltungsarten | Pr (4 SWS) |
| Lehrinhalte | Wettbewerb im Bereich des Maschinellen Lernens; Thema aus: Netzwerkanalyse, Formale Begriffsanalyse, Data Mining, Pattern Recognition, Deep Learning, Organic Computing, Autonomes Lernen |
| Titel der Lehrveranstaltungen | Labor Grand Challenges of Machine Learning |
| Lehr- und Lernmethoden (Lehr- und Lernformen) | Teilnahme an einem Wettbewerb auf universitätsweiter, nationaler oder internationaler Ebene, bspw. Wettbewerbe über Daten von Industrie und Forschung des Fachgebiets oder Kaggle Competitions; Einführung in benötigte theoretische und methodische Grundkenntnisse im Themengebiet; Erarbeitung eines Lösungskonzepts; Erstellen einer Implementierung. |
| Verwendbarkeit des Moduls | Master Informatik Master Computer Science Master Artificial Intelligence and Data Science |
| Dauer des Moduls | Ein Semester |
| Häufigkeit des Angebotes | Sommer- und Wintersemester |
| Sprache | Englisch/Deutsch |
| Empfohlene (inhaltliche) Voraussetzungen für die Teilnahme am Modul | |
| Voraussetzungen für die Teilnahme am Modul | keine |
| Studentischer Arbeitsaufwand | 180 h (60 h Präsenz + 120 h Selbststudium) |
| Studienleistungen | Studienleistung S1: Teilnahme an einem Wettbewerb im Bereich Machine Learning |
| Voraussetzung für Zulassung zur Prüfungsleistung | Studienleistung S1 |
| Prüfungsleistungen | Ausarbeitung (ca. 20 Seiten) und Präsentation (ca. 20 Min.) zur Wettbewerbsaufgabe |
| Anzahl Credits (ECTS) | 6 cp |
| Lehreinheit | Informatik |
| Modulverantwortliche/r | Prof. Dr. Gerd Stumme / Prof. Dr. Bernhard Sick |
| Lehrende | Prof. Dr. Sick, Prof. Dr. Stumme und Mitarbeitende |
| Medienformen | Folien (Beamer), Tafel / Whiteboard |
| Literatur |
Weitere Literatur wird in der Lehrveranstaltung bekanntgegeben. |