Jedes Wintersemester
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 Leistungsfähigkeit 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
Vorausgesetzte Module:
Der erfolgreiche Abschluss der Module 39-Inf-1 Algorithmen und Datenstrukturen, 24-M-INF1 Mathematik für Informatik I und 24-M-INF2 Mathematik für Informatik II
ODER
der erfolgreiche Abschluss der Module 39-Inf-PP Prinzipien der Programmierung, 24-M-INF1_a Mathematik für Informatik I und 24-M-INF2_a Mathematik für Informatik II.
In den Masterstudiengängen "Data Science" und "BioMechatronik" gelten diese Voraussetzungen mit dem erfolgreichen Masterzugang als erbracht.
Modulstruktur: 1 bPr 1
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 in der Vorlesung vorgestellten Lerninhalte.
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.
Eine weitergehende Konkretisierung insbesondere zum zeitlichen Umfang der Abschlussprüfung erfolgt in der Beschreibung der Veranstaltung.
Abschlussklausur (im Umfang von ca. 60 Minuten) oder mündliche Abschlussprüfung (im Umfang von ca. 15-25 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 120-180 Minuten.
Beide Portfolioelemente werden durch eine*n Prüfer*in geprüft. Es erfolgt eine abschließende Gesamtbewertung.
Portfolio of homework assignments accompanying the lecture, usually given weekly, and final written exam (ca. 60 min) or oral exam (15 - 25 min).
The assignments complement and deepen the content of the lecture.
Proof of a sufficient amount of correctly solved assignments (50% of the maximum total score in the semester). The final exam covers the content of the lecture and the assignments.
The exam can be alternatively conducted as an e-exam, open-book exam, or e-open-book exam. In the case of an open-book exam and an e-open-book exam, the duration is 120-180 minutes.
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 | |
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 16.05.2023] | Nebenfach (fw) | 3. o. 5. | ein Semester | Pflicht | |
Grundlagen Kognitiver Systeme / Bachelor [FsB vom 04.06.2020] | Nebenfach (fw) | 3. | ein Semester | Pflicht | |
Informatik / Bachelor of Science [FsB vom 16.05.2023 mit Änderung vom 01.08.2023] | Kernfach (fw) | Modellbildung | 5. | ein Semester | Pflicht |
Informatik / Bachelor [FsB vom 16.05.2023 mit Änderung vom 01.08.2023] | Nebenfach (fw) | Praktische Informatik | 5. | ein Semester | Wahlpflicht |
Informatik / Bachelor [FsB vom 16.05.2023 mit Änderung vom 01.08.2023] | Nebenfach (fw) | Technische Informatik | 5. | ein Semester | Wahlpflicht |
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 | ||
Kognitive Informatik / Bachelor of Science [FsB vom 16.05.2023] | 1-Fach (fw) | 3. o. 5. | ein Semester | Pflicht | |
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 | |
Medizinphysik / Bachelor of Science [FsB vom 28.03.2024] | 1-Fach (fw) | Strukturierte Ergänzung des fw 1-Fach-Ba: Bereich Informatik | 5. | 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 |
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)
Grundlagen Kognitiver Systeme / Bachelor: Nebenfach (fw) [FsB vom 04.06.2020]
Informatik / Bachelor of Science: Kernfach (fw) // Modellbildung
Informatik / Bachelor: Nebenfach (fw) // Praktische Informatik
Informatik / Bachelor: Nebenfach (fw) // Technische Informatik
Intelligente Systeme / Master of Science [FsB vom 27.07.2018 mit Änderung vom 04.06.2020]