Every winter semester
5 Credit points
For information on the duration of the modul, refer to the courses of study in which the module is used.
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.
Module structure: 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.
| Degree programme | Version | Profile | Recommended start 3 | Duration | Mandatory option 4 |
|---|---|---|---|---|---|
| Bioinformatics and Genome Research / Bachelor of Science [FsB vom 30.09.2016 mit Änderungen vom 15.09.2017, 02.05.2018, 01.07.2019 und 16.08.2021] | Bachelor with One Core Subject (Academic) | 5. | one semester | Compulsory optional subject | |
| BioMechatronics / Master of Science [Studien- und Prüfungsordnung vom 22.12.2022] | 1. o. 2. o. 3. | one semester | Compulsory optional subject | ||
| 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. | one semester | Obligation | |
| Fundamentals of Cognitive Systems / Bachelor [FsB vom 16.05.2023] | Minor Subject (Academic), 60 CPs | 3. o. 5. | one semester | Obligation | |
| Fundamentals of Cognitive Systems / Bachelor [FsB vom 04.06.2020] | Minor Subject (Academic), 60 CPs | 3. | one semester | Obligation | |
| Informatics / Bachelor of Science [FsB vom 16.05.2023 mit Änderung vom 01.08.2023] | Major Subject (Academic) | Modelling | 5. | one semester | Obligation |
| Informatics / Bachelor [FsB vom 16.05.2023 mit Änderung vom 01.08.2023] | Minor Subject (Academic), 60 CPs | Practical Informatics | 5. | one semester | Compulsory optional subject |
| Informatics / Bachelor [FsB vom 16.05.2023 mit Änderung vom 01.08.2023] | Minor Subject (Academic), 60 CPs | Technical Informatics | 5. | one semester | Compulsory optional subject |
| Informatics / Bachelor of Science [FsB vom 04.06.2020 mit Änderung vom 15.12.2021] | Major Subject (Academic) | Technical Informatics | 5. | one semester | Compulsory optional subject |
| Intelligent Systems / Master of Science [FsB vom 27.07.2018 mit Änderung vom 04.06.2020] | 1. | one semester | Compulsory optional subject | ||
| Cognitive Informatics / Bachelor of Science [FsB vom 16.05.2023] | Bachelor with One Core Subject (Academic) | 3. o. 5. | one semester | Obligation | |
| Cognitive Informatics / Bachelor of Science [FsB vom 30.09.2016 mit Änderungen vom 15.09.2017, 02.05.2018, 01.07.2019 und 16.08.2021] | Bachelor with One Core Subject (Academic) | 3. | one semester | Obligation | |
| Medical Physics / Bachelor of Science [FsB vom 28.03.2024] | Bachelor with One Core Subject (Academic) | Strukturierte Ergänzung des fw 1-Fach-Ba: Bereich Informatik | 5. | one semester | Compulsory optional subject |
| Informatics for the Natural Sciences / 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. | one semester | Compulsory optional subject |
The system can perform an automatic check for completeness for this module.
BioMechatronics / Master of Science
Data Science / Master of Science // Variante 1
Fundamentals of Cognitive Systems / Bachelor: Minor Subject (Academic), 60 CPs
Fundamentals of Cognitive Systems / Bachelor: Minor Subject (Academic), 60 CPs [FsB vom 04.06.2020]
Informatics / Bachelor of Science: Major Subject (Academic) // Modelling
Informatics / Bachelor: Minor Subject (Academic), 60 CPs // Practical Informatics
Informatics / Bachelor: Minor Subject (Academic), 60 CPs // Technical Informatics
Intelligent Systems / Master of Science [FsB vom 27.07.2018 mit Änderung vom 04.06.2020]
Cognitive Informatics / Bachelor of Science: Bachelor with One Core Subject (Academic)