Es gibt u.U. ein aktuelleres Nachfolgemodul. Bitte informieren Sie sich.
Maschinenbau, Bachelor (PO-2023)
| Modulnummer / Modulcode | WP-LabDMML |
|---|---|
| Modulname | Labor Data Mining und Maschinelles Lernen |
| Art des Moduls | Wahlpflicht |
| Lernergebnisse, Kompetenzen, Qualifikationsziele | Die Studierenden können Probleme der Datenanalyse (Data Science) und maschinelle Lernprobleme mittels geeigneter Verfahren lösen. Sie entwickeln Fähigkeiten zur Anwendung geeigneter Techniken anhand konkreter, praxisbezogener Fragestellungen. Sie sind in der Lage, Experimente zu erstellen, durchzuführen und zu evaluieren sowie umfangreichere Anwendungen selbständig zu bearbeiten. |
| Lehrveranstaltungsarten | Pr (4 SWS) |
| Lehrinhalte | Algorithmen des Gebiets Data Science aus technischen Anwendungen; Schwerpunkt auf Regressions- und Klassifikationstechniken; Grundlagen und Datenvorverarbeitung; Merkmalsselektion; lineare Modelle für Regression und Klassifikatoren (u.a. lineares Ausgleichs-problem, Perzeptron-Lernen, Fisher-Kriterium); Evaluation; nichtlineare Modelle für Regression und Klassifikation (u.a. Support Vector Machines, Entscheidungsbäume); Ensembletechniken; Grundlagen der Modellierung mit dynamischen Modellen. |
| Titel der Lehrveranstaltungen | Labor Data Mining und Maschinelles Lernen |
| Lehr- und Lernmethoden (Lehr- und Lernformen) | Zunächst werden die theoretischen Grundlagen in einer vorlesungsähnlichen Weise vermittelt. Im Laufe des Labors nimmt der Anteil der praktischen Anwendung von den Lehrinhalten deutlich zu. Abschließend werden die erlangten Kenntnisse in einem Anwendungsszenario deutlich vertieft. |
| Verwendbarkeit des Moduls | Bachelor Informatik |
| Dauer des Moduls | Ein Semester |
| Häufigkeit des Angebotes | jährlich im Wintersemester |
| Sprache | Deutsch/Englisch |
| Empfohlene (inhaltliche) Voraussetzungen für die Teilnahme am Modul | Module „Lineare Algebra“, „Analysis für Informatiker“ |
| Voraussetzungen für die Teilnahme am Modul | keine |
| Studentischer Arbeitsaufwand | 180 Stunden (60h Präsenz + 120h Selbststudium) |
| Studienleistungen | Studienleistung S1: Erfolgreiche Bearbeitung von mindestens 50% der Praktikumsaufgaben bezogen auf die Gesamtpunktzahl. |
| Voraussetzung für Zulassung zur Prüfungsleistung | Studienleistung S1 |
| Prüfungsleistungen | Praktikumsarbeit und Praktikumsbericht |
| Anzahl Credits (ECTS) | 6 cp |
| Lehreinheit | Informatik |
| Modulverantwortliche/r | Prof. Dr. Bernhard Sick |
| Lehrende | Prof. Dr. Bernhard Sick und Mitarbeitende |
| Medienformen | Folien (Beamer), Tafel, Whiteboard, Buch u. a. |
| Literatur | Wird in der Lehrveranstaltung bekanntgegeben |