Jedes Semester
10 Leistungspunkte
Die Angaben zur Moduldauer finden Sie bei den Studiengängen, in denen das Modul verwendet wird.
Studierende erwerben in diesem Modul fortgeschrittene anwendungsbezogene Kenntnisse über technische Methoden aus den Bereichen der Künstlichen Intelligenz und des Maschinellen Lernens, die zur Umsetzung intelligenten, adaptiven Verhaltens und der Interaktionsfähigkeit von technischen Systemen notwendig sind. Nach Abschluss des Moduls sind Studierende in der Lage selbstständig Modelle der KI/des Maschinellen Lernens (z.B. Deep Learning, Reinforcement Learning, Probabilistische Modelle, XAI) zu entwickeln und auf neue Kontexte anzuwenden.
Im ersten Modulteil wird angewandt-methodisches Wissen zu einem der Themenbereiche der Applied Artificial Intelligence erworben und in begleitenden Übungen vertieft. Im zweiten Modulteil werden diese Verfahren in zwei anwendungsorientierten Seminaren oder einem Projekt praktisch vertieft. Die Studierenden haben dazu sowohl methodisches Wissen als auch die Kompetenz der selbstständigen praktischen Auseinandersetzung mit einem Thema (Einarbeitung, Bewertung, Umsetzung, mündliche Präsentation, schriftliche Erörterung) erworben.
Das Modul vermittelt praktisch-angewandte Inhalte notwendig für die Entwicklung intelligenter interaktiver Systeme. Zu den Lehrinhalten des Moduls gehören z.B. Veranstaltungen aus den Bereichen: Machine Learning, Artificial Intelligence, Deep Learning, Reinforcement Learning, XAI, Cognitive Computing, Models of Decision Making, Neural Networks, Auditory Data Science, Interactive and Autonomous Learning. Die konkreten Lehrinhalte des Moduls werden durch die vom Studierenden gewählten Veranstaltungen festgelegt. Die Wahl aus dem dafür ausgewiesenen Lehrangebot erfolgt nach persönlichem Interesse.
—
—
Das Modul ist auf folgende Arten studierbar:
Je nach gewählter Variante, ist in der Veranstaltung Seminar 2 ODER Projekt eine Studienleistung zu erbringen.
In allen Varianten muss eine benotete (Teilprüfung 1) und eine unbenotete (Teilprüfung 2) Prüfungsleistung erbracht werden. Die Art der Prüfung richtet sich nach der gewählten Variante.
Begründung der Notwendigkeit von zwei Teilprüfungen:
Zwei Teilprüfungen sind notwendig, da in der Klausur/mündlichen Prüfung die theoretischen und mathematischen Kompetenzen und im Projekt bzw. in den anwendungsorientierten Seminaren praktische sowie methodische Kenntnisse geprüft werden.
Modulstruktur: 1 SL, 1 bPr, 1 uPr 1
zusammen mit einer zugehörigen Übung aus dem Bereich Applied Artificial Intelligence zu studieren.
zusammen mit der begleitenden Übung aus dem Bereich Applied Artificial Intelligence zu studieren.
To study together with a corresponding lecture or seminar from the field of Applied Artificial Intelligence.
zusammen mit einer zugehörigen Vorlesung oder Seminar aus dem Bereich Applied Artificial Intelligence zu studieren.
zusammen mit einer Vorlesung/einem Seminar + zugehöriger Übung aus dem Bereich Applied Artificial Intelligence zu studieren.
| Zuordnung Prüfende | Workload | LP2 |
|---|---|---|
|
Lehrende der Veranstaltung
Applied Artificial Intelligence (focus): Projekt
(Projekt)
Mündlicher Vortrag über die Durchführung und Ergebnisse der Projektarbeit im Umfang von 10 bis 15 Minuten |
siehe oben |
siehe oben
|
|
Lehrende der Veranstaltung
Applied Artificial Intelligence (focus): anwendungsorientiertes Seminar 1
(Seminar)
Mündlicher Vortrag zu einem mit dem/der Prüfer*in vereinbarten Thema im Umfang von 30 bis 40 Minuten |
siehe oben |
siehe oben
|
Teilprüfung 1: (Vorlesung + Übung) ODER (Seminar + Übung)
Portfolio mit Abschlussprüfung bestehend aus:
1) Portfolio von Übungen zu Inhalten der Vorlesung oder des Seminars
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.
Vorlesung: Abschlussklausur (im Umfang von 90-120 Minuten) oder mündliche Abschlussprüfung (im Umfang von 20-30 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 120-150 Minuten Minuten.
ODER
2) einer Abschlussprüfung zum Seminar
Die Abschlussprüfung zu den Inhalten des Seminars nimmt Bezug auf die Übungs- oder Programmieraufgaben oder entwickelt sich aus den in den Übungen erlernten Kompetenzen.
Seminar: Referat (im Umfang von 30–40 Minuten) mit Ausarbeitung (Umfang von 10-15 Seiten)
Die Studierenden präsentieren nach Abstimmung der konkreten Aufgabenstellung mit dem Prüfenden im Rahmen des Referats die Bedeutung und systematisch-fachwissenschaftliche Einordnung einer im Seminar behandelten Problemstellung und erläutern und stellen ihr Thema in ihrer Ausarbeitung schriftlich vor, wobei Aspekte aus der Diskussion im Seminar einzubeziehen sind. Die Aufgabenstellung kann auch die Ausarbeitung einer Anwendung (d.h. Programmierung/Rechnung etc.) eines Verfahrens auf einen typischerweise praktisch bedeutsamen Einzelfall beinhalten. Das Referat mit Ausarbeitung bezieht sich auf die im Seminar vermittelten und in den Übungen erarbeiteten Inhalte.
Beide Portfolioelemente werden durch eine*n Prüfer*in geprüft. Es erfolgt eine abschließende Gesamtbewertung.
Teilprüfung 2: (anwendungsorientiertes Seminar 1 + anwendungsorientiertes Seminar 2)
Referat (im Umfang von 30–40 Minuten) mit Ausarbeitung (Umfang von 10-15 Seiten)
Die Studierenden präsentieren nach Abstimmung der konkreten Aufgabenstellung mit dem Prüfenden im Rahmen des Referats die Bedeutung und systematisch-fachwissenschaftliche Einordnung einer im Seminar behandelten Problemstellung und erläutern und stellen ihr Thema in ihrer Ausarbeitung schriftlich vor, wobei Aspekte aus der Diskussion im Seminar einzubeziehen sind. Die Aufgabenstellung kann auch die Ausarbeitung einer Anwendung (d.h. Programmierung/Rechnung etc.) eines Verfahrens auf einen typischerweise praktisch bedeutsamen Einzelfall beinhalten. Das Referat mit Ausarbeitung bezieht sich auf die im Seminar vermittelten Inhalte.
ODER
Teilprüfung 2: (Projekt)
Projektbericht (8-10 Seiten)
| Studiengang | Empf. Beginn 3 | Dauer | Bindung 4 |
|---|---|---|---|
| Intelligente Interaktive Systeme / Master of Science [FsB vom 16.05.2023 mit Änderungen vom 15.12.2023 und 01.04.2025 und Berichtigung vom 16.07.2024] | 2. o. 3. | ein oder zwei Semester | Wahlpflicht |
In diesem Modul kann eine automatische Vollständigkeitsprüfung vom System durchgeführt werden.