Modul 39-Inf-ML Grundlagen Maschinelles Lernen

Fakultät

Technische Fakultät

Modulverantwortliche*r

Frau Prof'in Dr. Barbara Hammer

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 Leistungsfähigkeit zu beurteilen. In den Übungen wird das Gelernte vertieft und praktisch, auch in Form von Programmieraufgaben, angewendet.

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.

Empfohlene Vorkenntnisse

39-Inf-13 Grundlagen künstlicher Kognition

Notwendige Voraussetzungen

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 bzw. 24-M-INF1_a_ub 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.

Erläuterung zu den Modulelementen

Modulstruktur: 1 bPr ¹

Veranstaltungen

Grundlagen Maschinellen Lernens

Art Übung

Turnus WiSe

Workload⁵ 30 h (15 + 15)

LP 1

Grundlagen Maschinellen Lernens

Art Vorlesung

Turnus WiSe

Workload⁵ 60 h (30 + 30)

LP 2

Prüfungen

Portfolio mit Abschlussprüfung

Zuordnung Prüfende Modulverantwortliche*r prüft oder bestimmt Prüfer*in

Gewichtung 1

Workload 60h

LP² 2

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.

In diesen Studiengängen wird das Modul verwendet:

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, 21.03.2023 und 10.12.2024]		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 01.04.2025]	Kernfach (fw)	Modellbildung	5.	ein Semester	Pflicht
Informatik / Bachelor [FsB vom 01.04.2025]	Nebenfach (fw)		3. o. 5.	ein Semester	Wahlpflicht
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 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
Künstliche Intelligenz und Kognitive Informatik / Bachelor of Science [FsB vom 16.05.2023 mit Änderung vom 01.04.2025]	1-Fach (fw)		3. o. 5.	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

Automatische Vollständigkeitsprüfung

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

Frühere Version dieses Moduls

39-Inf-ML_ver1 Grundlagen Maschinelles Lernen

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)
SoSe: Sommersemester
WiSe: Wintersemester
SL: Studienleistung
Pr: Prüfung
bPr: Anzahl benotete Modul(teil)prüfungen
uPr: Anzahl unbenotete Modul(teil)prüfungen
: Diese Leistung kann gemeldet und verbucht werden.