


Modul 39-M-Inf-ADA Advanced Data Analysis
Fakultät
Modulverantwortliche*r
Turnus (Beginn)
Mindestens jedes 2. Wintersemester
Leistungspunkte und Dauer
5 Leistungspunkte
Die Angaben zur Moduldauer finden Sie bei den Studiengängen, in denen das Modul verwendet wird.
Kompetenzen
In diesem Modul lernen Studierende die Modellierung komplexer Sachverhalte mit fortgeschrittenen Techniken und Methoden der Datenanalyse. Dieses beinhaltet insbesondere, wie man in komplexen Situationen mit unklarer Aufgabenstellung durch Wahl einer geeigneten Strukturierung nützliche Information effizient aus gegebenen Daten extrahieren kann, und wie diese grundständigen Ideen zu konkreten Algorithmen und zugrundeliegenden Garantien formalisiert werden können.
Within this module, students learn how to model complex tasks by means of advanced techniques and methods of data analysis. This includes in particular the question how useful information can be extracted in complex settings without a clear specified objective, and how such basic mathematical models with suitable regularisation or prior can be turned towards efficient algorithms and accompanying theoretical guarantees.
Lehrinhalte
In diesem Modulen sollen moderne Verfahren der automatischen Datenanalyse betrachtet werden, wobei ein besonderer Aspekt auf die Effizienz der Darstellung, der Formalisierung, bzw. der Algorithmen selber gelegt wird. Themen sind der aktuellen Literatur entnommen, und beinhalten etwa Aspekte zu slow feature analysis, sparse coding und compressed sensing, core vector machines, time series metrics, und Gaussian processes.
Within this module, the focus lies on modern techniques for automated data analysis with a particular focus on its efficient representation, formalisation, and algorithmic realisation. Topics are taken from the recent research literature, touching on aspects such as slow feature analysis, sparse coding and compressed sensing, core vector machines, time series metrics, and Gaussian processes.
Empfohlene Vorkenntnisse
Grundkenntnisse in Algorithmen und Datenstrukturen oder vergleichbare Kenntnisse, Mathematik, Grundlagen des maschinellen Lernens oder der Mustererkennung
Introduction to computer science (such as algorithms and data structures), mathematics, basic knowledge in machine learning or pattern recognition
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
Prüfungen
In diesen Studiengängen wird das Modul verwendet:
Studiengang | Profil | Empf. Beginn 3 | Dauer | Bindung 4 |
---|---|---|---|---|
Bioinformatik und Genomforschung / Master of Science [FsB vom 30.09.2016 mit Änderungen vom 15.09.2017, 02.05.2018 und 04.06.2020] | 1. o. 3. | ein Semester | Wahlpflicht | |
Bioinformatik und Genomforschung / Master of Science [FsB vom 17.12.2012 mit Änderungen vom 15.04.2013, 15.10.2014, 02.03.2015, 17.08.2015 und Berichtigungen vom 17.11.2014 und 01.12.2015] | 1. o. 2. o. 3. | ein Semester | Wahlpflicht | |
Data Science / Master of Science [FsB vom 06.04.2018 mit Änderungen vom 01.07.2019 und 02.03.2020] | Variante 1 | 3. | ein Semester | Wahlpflicht |
Data Science / Master of Science [FsB vom 06.04.2018 mit Änderungen vom 01.07.2019 und 02.03.2020] | Variante 2 | 3. | ein Semester | Wahlpflicht |
Intelligente Systeme / Master of Science [FsB vom 27.07.2018 mit Änderung vom 04.06.2020] | 1. o. 2. o. 3. | 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] | 1. o. 2. 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 und 04.06.2020] | 1. o. 2. 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. 2. 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 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.