Studieninformation
Hintergrundbild
Hintergrundbild
Hintergrundbild
Druckversion  Sprachumschaltung
 

Modul 39-Inf-ML Grundlagen Maschinelles Lernen

Fakultät

Modulverantwortliche/r

Turnus (Beginn)

Jedes Wintersemester

Leistungspunkte und Dauer

5 Leistungspunkte

Die Angaben zur Moduldauer finden Sie bei den Studiengängen, in denen das Modul verwendet wird.

Kompetenzen

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.

Lehrinhalte

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.

Empfohlene Vorkenntnisse

39-Inf-13 Grundlagen künstlicher Kognition

Knowledge as in the module 39-Inf-13
Knowledge as in the module 39-Inf-1, 24-M-INF1 and 24-M-INF2

Notwendige Voraussetzungen

Vorausgesetzte Module:
39-Inf-1: Algorithmen und Datenstrukturen
24-M-INF1: Mathematik für Informatik I
24-M-INF2: Mathematik für Informatik II

Erläuterung zu den Modulelementen

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

Veranstaltungen

Titel Art Turnus Workload (Kontaktzeit + Selbststudium) LP2
Grundlagen Maschinellen Lernens Übung SoSe 30h (15 + 15) 1
Grundlagen Maschinellen Lernens Vorlesung SoSe 60h (30 + 30) 2 [Pr] [Pr]

Prüfungen

Organisatorische Zuordnung Art Gewichtung Workload LP2
Grundlagen Maschinellen Lernens (Vorlesung)

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).

mündliche Prüfung o. Portfolio mit Abschlussprüfung unbenotet 60h 2
Diese Leistung kann gemeldet und verbucht werden.
Grundlagen Maschinellen Lernens (Vorlesung)

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

mündliche Prüfung o. Portfolio mit Abschlussprüfung 1 60h 2
Diese Leistung kann gemeldet und verbucht werden.

In diesen Studiengängen wird das Modul verwendet:

Studiengang Variante Profil Empf. Beginn 3 Dauer Bindung 4
Bioinformatik und Genomforschung / Bachelor of Science 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
Intelligente Systeme / Master of Science Allgemeines Profil - Intelligente Systeme 1. ein Semes­ter Wahl­pflicht
Intelligente Systeme / Master of Science Bologna Profil: Outgoing Students 1. ein Semes­ter Wahl­pflicht
Intelligente Systeme / Master of Science [FsB vom 17.12.2012 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 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 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

Automatische Vollständigkeitsprüfung

In diesem Modul kann eine automatische Vollständigkeitsprüfung vom System durchgeführt werden.

Legende

1
Die Modulstruktur beschreibt die zur Erbringung des Moduls notwendigen Prüfungen und Studienleistungen.
2
LP ist die Abkürzung für Leistungspunkte.
3
Die Zahlen in dieser Spalte sind die Fachsemester, in denen der Beginn des Moduls empfohlen wird. Je nach individueller Studienplanung sind gänzlich andere Studienverläufe möglich und sinnvoll.
4
Erläuterungen zur Bindung: "Pflicht" bedeutet: Dieses Modul muss im Laufe des Studiums verpflichtend absolviert werden; "Wahlpflicht" bedeutet: Dieses Modul gehört einer Anzahl von Modulen an, aus denen unter bestimmten Bedingungen ausgewählt werden kann. Genaueres regeln die "Fächerspezifischen Bestimmungen" (siehe rechtes Menü).
SL
Studienleistung
Pr
Prüfung
bPr
Anzahl benotete Modul(teil)prüfungen
uPr
Anzahl unbenotete Modul(teil)prüfungen
Diese Leistung kann gemeldet und verbucht werden.
Diese Leistung kann gemeldet und verbucht werden.