Every semester
5 Credit points
For information on the duration of the modul, refer to the courses of study in which the module is used.
Studierende erwerben grundlegende Kompetenzen in den Bereichen der Künstlichen Intelligenz und des Maschinellen Lernens, die zur Entwicklung intelligenten, adaptiven und interaktiven Verhaltens von Systemen notwendig sind. Nach Abschluss des Moduls haben Studierende grundlegendes Wissen erworben um moderne Methoden des Maschinellen Lernens und der KI für die Entwicklung intelligenter Systeme anzuwenden. Das Modul eignet sich dafür, spezielle fehlende Grundlagenkompetenzen im Bereich Artificial Intelligence zu ergänzen.
Students acquire basic competencies in the areas of Artificial Intelligence and Machine Learning, which are necessary for the development of intelligent, adaptive, and interactive behavior of systems. Upon completion of the module, students will have acquired fundamental knowledge to apply modern machine learning and AI methods for the development of intelligent systems. The module is suitable for supplementing special missing basic competences in the field of Artificial Intelligence.
Das Modul vermittelt grundlegendes Wissen notwendig für das Verständnis und die Anwendung der Methoden des Maschinellen Lernens und der Künstlichen Intelligenz. Zu den Lehrinhalten des Moduls gehören z.B. Grundlagenveranstaltungen aus den Bereichen: Computer Vision, Machine Learning, Artificial Intelligence, Deep Learning, Reinforcement Learning, XAI, Cognitive Computing, Models of Decision Making, Neural Networks, Auditory Data Science, Interactive and Autonomous Learning. Die konkreten Lehrinhalte des Moduls werden durch die vom Studierenden gewählten Veranstaltungen festgelegt. Die Wahl aus dem dafür ausgewiesenen Lehrangebot erfolgt nach persönlichem Interesse.
The module provides fundamental knowledge necessary for the understanding and application of machine learning and artificial intelligence methods. The teaching content of the module includes e.g. basic courses from the areas of machine learning, artificial intelligence, deep learning, reinforcement learning, XAI, cognitive computing, models of decision-making, neural networks, auditory data science, interactive and autonomous learning. The courses chosen by the student determine the specific course content of the module. Selection from the range of courses designated for this purpose will be based on personal interest.
—
—
Bei den Veranstaltungen können folgende Kombinationen aus dem Bereich Basics Artificial Intelligence alternativ studiert werden:
The following combinations of courses from the area of Basics Artificial Intelligence can be studied alternatively:
Module structure: 1 uPr 1
zusammen mit der zugehörigen Übung aus dem Bereich Basics of Artificial Intelligence zu studieren.
zusammen mit einer zugehörigen Übung aus dem Bereich Basics of Artificial Intelligence zu studieren.
zusammen mit einer zugehörigen Vorlesung oder mit dem dazugehörigem Seminar jeweils aus dem Bereich Basics of Artificial Intelligence zu studieren.
zusammen mit einer zugehörigen Vorlesung oder mit dem dazugehörigem Seminar jeweils aus dem Bereich Basics of Artificial Intelligence zu studieren.
Bei Absolvierung des Moduls mit Seminar + Übung
Portfolio mit Abschlussprüfung bestehend aus:
1) Portfolio von Übungen zu Inhalten des Seminars
Übungsaufgaben oder Programmieraufgaben, die veranstaltungsbezogen gestellt werden (Bestehensgrenze 50% der erzielbaren Punkte). Die Kontrolle der Übungsaufgaben umfasst auch direkte Fragen zu den Lösungsansätzen, die von den Studierenden in den Übungen beantwortet werden müssen. Der*die Lehrende kann ein individuelles Erläutern und Vorführen von Aufgaben verlangen sowie einen Teil der Übungsaufgaben durch Präsenzübungen ersetzen. Die Übungsaufgaben im Rahmen des Portfolios werden in der Regel wöchentlich ausgegeben und dienen dem begleitenden Erlernen selbständiger Umsetzungen der im Seminar/in der Vorlesung vorgestellten Lerninhalte. Eine weitergehende Konkretisierung insbesondere zum zeitlichen Umfang der Abschlussprüfung erfolgt in der Beschreibung der Veranstaltung.
2) einer Abschlussprüfung zum Seminar
Die Abschlussprüfung zu den Inhalten des Seminars nimmt Bezug auf die Übungs- oder Programmieraufgaben oder entwickelt sich aus den in den Übungen erlernten Kompetenzen.
Seminar: Referat (im Umfang von 30–40 Minuten) mit Ausarbeitung (Umfang von 5–10 Seiten)
Die Studierenden präsentieren nach Abstimmung der konkreten Aufgabenstellung mit dem Prüfenden im Rahmen des Referats die Bedeutung und systematisch-fachwissenschaftliche Einordnung einer im Seminar behandelten Problemstellung und erläutern und stellen ihr Thema in ihrer Ausarbeitung schriftlich vor, wobei Aspekte aus der Diskussion im Seminar einzubeziehen sind. Die Aufgabenstellung kann auch die Ausarbeitung einer Anwendung (d.h. Programmierung/Rechnung etc.) eines Verfahrens auf einen typischerweise praktisch bedeutsamen Einzelfall beinhalten. Das Referat mit Ausarbeitung bezieht sich auf die im Seminar vermittelten und in den Übungen erarbeiteten Inhalte.
Beide Portfolioelemente werden durch eine*n Prüfer*in geprüft. Es erfolgt eine abschließende Gesamtbewertung.
Bei Absolvierung des Moduls mit Vorlesung + Übung
Portfolio mit Abschlussprüfung bestehend aus:
1) Portfolio von Übungen zu Inhalten der Vorlesung
Übungsaufgaben oder Programmieraufgaben, die veranstaltungsbezogen gestellt werden (Bestehensgrenze 50% der erzielbaren Punkte). Die Kontrolle der Übungsaufgaben umfasst auch direkte Fragen zu den Lösungsansätzen, die von den Studierenden in den Übungen beantwortet werden müssen. Der*die Lehrende kann ein individuelles Erläutern und Vorführen von Aufgaben verlangen sowie einen Teil der Übungsaufgaben durch Präsenzübungen ersetzen. Die Übungsaufgaben im Rahmen des Portfolios werden in der Regel wöchentlich ausgegeben und dienen dem begleitenden Erlernen selbständiger Umsetzungen der im Seminar/in der Vorlesung vorgestellten Lerninhalte. Eine weitergehende Konkretisierung insbesondere zum zeitlichen Umfang der Abschlussprüfung erfolgt in der Beschreibung der Veranstaltung.
2) einer Abschlussprüfung zur Vorlesung
Die Abschlussprüfung zu den Inhalten der Vorlesung nimmt Bezug auf die Übungs- oder Programmieraufgaben oder entwickelt sich aus den in den Übungen erlernten Kompetenzen.
Vorlesung: Abschlussklausur (im Umfang von 90-120 Minuten) oder mündliche Abschlussprüfung (im Umfang von 20-30 Minuten) zu den in der Vorlesung vermittelten und in den Übungen erarbeiteten Inhalten.
Die Klausur kann alternativ als eKlausur, Open Book Klausur oder eOpen Book Klausur geprüft werden. Im Falle von Open Book Klausur und eOpen Book Klausur beträgt der Umfang 120-150 Minuten Minuten.
Beide Portfolioelemente werden durch eine*n Prüfer*in geprüft. Es erfolgt eine abschließende Gesamtbewertung.
| Degree programme | Recommended start 3 | Duration | Mandatory option 4 |
|---|---|---|---|
| Intelligent Interactive Systems / Master of Science [FsB vom 16.05.2023 mit Änderung vom 15.12.2023] | 1. | one semester | Compulsory optional subject |
The system can perform an automatic check for completeness for this module.