Modul 39-M-Inf-VML Vertiefung 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 TeilnehmerInnen lernen Konzepte und Methoden kennen, um Verfahren maschinellen Lernens für komplexere
Aufgaben zu strukturieren und einzusetzen. Dies beinhaltet Lernarchitekturen, aktive Lernstrategien und sequentielles Lernen unter Einschränkungen, wie etwa verzögerter Erfolgsrückmeldung oder lediglich teilweiser
Systembeobachtbarkeit. Darüberhinaus bietet die Vorlesung einen Überblick über die wichtigsten
Theorieansätze maschinellen Lernens und ihren wechselseitigen Beziehungen.

Lehrinhalte

Aufbauend auf dem Modul "Neuronale Netze und Lernen" werden die dort betrachteten Lernverfahren einer genaueren theoretischen Betrachtung unterzogen - insbesondere aus statistischer Sicht. Desweiteren werden verschiedene Lernarchitekturen, insbesondere Kommittee-Verfahren sowie Reinforcement-Lernen behandelt.

Empfohlene Vorkenntnisse

Komeptenzen, wie sie beispielsweise im Modul 39-Inf-NN Grundlagen Neuronaler Netze erworben werden können

Notwendige Voraussetzungen

—

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.

Modulstruktur: 0-1 bPr, 0-1 uPr 1

Veranstaltungen

Vertiefung Maschinelles Lernen
Art Übung
Turnus WiSe
Workload5 30 h (15 + 15)
LP 1 [Pr] [Pr]
Vertiefung Maschinelles Lernen
Art Vorlesung
Turnus WiSe
Workload5 60 h (30 + 30)
LP 2

Prüfungen

Portfolio mit Abschlussprüfung
Zuordnung Prüfende Lehrende der Veranstaltung Vertiefung Maschinelles Lernen (Übung)
Gewichtung unbenotet
Workload 60h
LP2 2

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 mit Abschlussprüfung
Zuordnung Prüfende Lehrende der Veranstaltung Vertiefung Maschinelles Lernen (Übung)
Gewichtung 1
Workload 60h
LP2 2

Portfolio aus Übungsaufgaben, die veranstaltungsbegleitend gestellt werden (Bestehensgrenze 50% der erzielbaren Punkte, individuelles Erläutern der Lösungen). Die Übungsaufgaben im Rahmen des Portfolios werden in der Regel wöchentlich ausgegeben. Abschließende mündliche Prüfung (15-25 min.) über die Inhalte von Vorlesung und Übungen oder alternativ zweimaliges Bestehen von Tafelpräsentationen zu vorher ausgewählten Übungsaufgaben.

In diesen Studiengängen wird das Modul verwendet:

Studiengang Profil Empf. Beginn 3 Dauer Bindung 4
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. 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 2 1. o. 3. 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] 1. o. 3. 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. o. 3. 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] 1. o. 3. 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 Navigation).
5
Workload (Kontaktzeit + Selbststudium)
SL
Studienleistung
Pr
Prüfung
bPr
Anzahl benotete Modul(teil)prüfungen
uPr
Anzahl unbenotete Modul(teil)prüfungen
Diese Leistung kann gemeldet und verbucht werden.

Seitenleiste

Modulelemente

Veranstaltungen

Prüfungen

Lehrangebot im eKVV

Lehrangebot im eKVV

Modullisten zeigen

Data Science / Master of Science // Variante 1

Data Science / Master of Science // Variante 2

Intelligente Systeme / Master of Science [FsB vom 27.07.2018 mit Änderung vom 04.06.2020]

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]

Naturwissenschaftliche Informatik / Master of Science

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]