Achtung: Auf dieser Seite wird ein auslaufendes Modulangebot angezeigt.
Auslaufendes Angebot
5 Leistungspunkte
Die Angaben zur Moduldauer finden Sie bei den Studiengängen, in denen das Modul verwendet wird.
Die Studieren erwerben die Kompetenz, ein Lernproblem zu analysieren, zu formalisieren, ein geeignetes Verfahren auszuwählen und hinsichtlich seiner Leistungsfährigkeit zu beurteilen. In den Übungen wird das Gelernte vertieft und praktisch, auch in Form von Programmieraufgaben, angewendet.
The students gain competences to analyse, formalize and treat a learning problem with appropriate methods and to judge algorithms with respect to their suitability for a given problem. In exercises, methods are applied to concrete and practical application problems, partially in form of programming tasks.
Grundlegende Prinzipien und Theorien des Maschinellen Lernens und die zugrundeliegenden mathematischen und statistischen Verfahren werden eingeführt sowie Lernprobleme formalisiert. Wichtige Konzepte and Verfahren werden behandelt, darunter Schätzverfahren, Bayes'sches Lernen und Lineare Ansätze. Weitere Themen sind grundlegende Begriffe wie etwa Training, Test und Validierung, Generalisierung, Overfitting, Modellauswahl, Regularisierung, Bias vs. Varianz.
The lecture introduces basic principles and theories of machine learning and formalizes learning problems. Fundamental mathematical and statistical methods are discussed and standard algorithms are presented including parameter estimation, Bayesian methods, linear approaches. Further topics are the basic notions of machine learning like training, test and validation, generalization, overfitting, model selection, regularization and the bias vs. variance dilemma.
39-Inf-13 Grundlagen künstlicher Kognition
Knowledge as in the module 39-Inf-13
In den Masterstudiengängen "Data Science" und "BioMechatronik" gelten diese Voraussetzungen mit dem erfolgreichen Masterzugang als erbracht.
Vorausgesetzte Module:
39-Inf-1: Algorithmen und Datenstrukturen
24-M-INF1: Mathematik für Informatik I
24-M-INF2: Mathematik für Informatik II
Die Modul(teil)prüfung kann in einigen Studiengängen nach Wahl der Studierenden auch "unbenotet" erbracht werden. Vor Erbringung ist eine entsprechende Festlegung vorzunehmen, eine nachträgliche Änderung (benotet - unbenotet) ist ausgeschlossen. Wird diese Option gewählt, ist es nicht möglich, dieses Modul zu verwenden, um es in einen Studiengang einzubringen, in dem dieses Modul bei der Gesamtnotenberechnung berücksichtigt wird.
The (partial) examination of the module can be performed as "ungraded" in some study programs at the students choice. Before the examination a respective determination must be carried out, a later modification (graded - ungraded) is impossible. If the "ungraded" option is chosen, it is not possible to include this module in a study program where this module is deemed to enter the calculation of the overall grade.
Modulstruktur: 0-1 bPr, 0-1 uPr 1
In einigen Studiengängen der Technischen Fakultät kann die Modulprüfung nach Wahl der Studierenden auch "unbenotet" erbracht werden (s. Erläuterungen zu den Modulelementen und die jeweilige FsB). Wird die unbenotete Option gewählt, ist es nicht möglich, dieses Modul zu verwenden, um es in einen Studiengang einzubringen, in dem dieses Modul bei der Gesamtnotenberechnung berücksichtigt wird.
Erläuterungen zu dieser Prüfung siehe unten (benotete Prüfungsvariante).
Portfolio aus Übungsaufgaben, die veranstaltungsbegleitend und in der Regel wöchentlich gestellt werden, und Abschlussklausur (in der Regel 60 min) oder mündlicher Abschlussprüfung (in der Regel 15 min). Die Übungsaufgaben ergänzen und vertiefen den Inhalt der Vorlesung.
Nachweis einer ausreichenden Zahl korrekt gelöster Übungsaufgaben (in der Regel 50% der im Semester für das Lösen der Aufgaben erzielbaren Punkte).
Oder:
Mündliche Prüfung (15-25 min.) über den Inhalt von Vorlesung und Übungen.
Portfolio of homework assignments accompanying the lecture, usually given weekly, and final written exam (60 min) or oral exam (15 min). The assignments complement and deepen
the content of the lecture.
Proof of a sufficient amount of correctly solved assignments (usually 50% of the maximum total score in the semester). The final exam covers the content of the lecture and the assignments.
Or:
oral examamination (15-25 min.) about the contents of lecture and exercises
Bisheriger Angebotsturnus war jedes Wintersemester.
| Studiengang | Variante | Profil | Empf. Beginn 3 | Dauer | Bindung 4 |
|---|---|---|---|---|---|
| Bioinformatik und Genomforschung / Bachelor of Science [FsB vom 30.09.2016 mit Änderungen vom 15.09.2017, 02.05.2018, 01.07.2019 und 16.08.2021] | 1-Fach (fw) | 5. | ein Semester | Wahlpflicht | |
| Bioinformatik und Genomforschung / Bachelor of Science [FsB vom 31.08.2012 mit Berichtigung vom 04.11.2013 und Änderungen vom 15.04.2013, 01.04.2014, 15.10.2014, 02.03.2015 und 01.12.2015] | 1-Fach (fw) | 6. | ein Semester | Wahlpflicht | |
| BioMechatronik / Master of Science [Studien- und Prüfungsordnung vom 22.12.2022] | 1. o. 2. o. 3. | ein Semester | Wahlpflicht | ||
| Data Science / Master of Science [FsB vom 06.04.2018 mit Änderungen vom 01.07.2019, 02.03.2020 und 21.03.2023] | Variante 1 | 1. | ein Semester | Pflicht | |
| Grundlagen Kognitiver Systeme / Bachelor [FsB vom 04.06.2020] | Nebenfach (fw) | 3. | ein Semester | Pflicht | |
| Informatik / Bachelor of Science [FsB vom 04.06.2020 mit Änderung vom 15.12.2021] | Kernfach (fw) | Technische Informatik | 5. | ein Semester | Wahlpflicht |
| Intelligente Systeme / Master of Science [FsB vom 27.07.2018 mit Änderung vom 04.06.2020] | 1. | ein Semester | Wahlpflicht | ||
| Intelligente Systeme / Master of Science [FsB vom 17.12.2012 mit Änderungen vom 15.04.2013, 01.04.2014, 15.10.2014, 02.03.2015 und Berichtigung vom 17.11.2014] | 2. | ein Semester | Wahlpflicht | ||
| Kognitive Informatik / Bachelor of Science [FsB vom 30.09.2016 mit Änderungen vom 15.09.2017, 02.05.2018, 01.07.2019 und 16.08.2021] | 1-Fach (fw) | 3. | ein Semester | Pflicht | |
| Kognitive Informatik / Bachelor of Science [FsB vom 31.08.2012 mit Änderungen vom 15.04.2013, 01.04.2014, 15.10.2014, 02.03.2015, 17.08.2015 und Berichtigung vom 01.12.2015] | 1-Fach (fw) | 6. | ein Semester | Wahlpflicht | |
| Naturwissenschaftliche Informatik / Master of Science [FsB vom 30.09.2016 mit Berichtigung vom 10.01.2017 und Änderungen vom 15.09.2017, 02.05.2018, 04.06.2020 und 31.03.2023] | 1. | ein Semester | Wahlpflicht | ||
| Naturwissenschaftliche Informatik / Master of Science [FsB vom 17.12.2012 mit Änderungen vom 15.04.2013, 01.04.2014, 15.10.2014, 02.03.2015, 01.12.2015 und Berichtigungen vom 01.04.2014, 17.11.2014 und 12.07.2017] | 2. | ein Semester | Wahlpflicht |
In diesem Modul kann eine automatische Vollständigkeitsprüfung vom System durchgeführt werden.
BioMechatronik / Master of Science
Data Science / Master of Science // Variante 1
Grundlagen Kognitiver Systeme / Bachelor: Nebenfach (fw) [FsB vom 04.06.2020]
Intelligente Systeme / Master of Science [FsB vom 27.07.2018 mit Änderung vom 04.06.2020]