offered at least annually
5 Credit points
For information on the duration of the modul, refer to the courses of study in which the module is used.
By completing the module, students acquire the following skills:
They understand basic theoretical and methodological concepts from the field of machine learning (ML) and data mining at an appropriate level for the Master's degree. They know the procedures and methods covered in the respective course and can explain their areas of application and how they work.
They are able to select and explain basic learning methods and apply them to given problems. They are able to compare and evaluate ML and data mining tools and methods in terms of their suitability, performance and applicability. They are able to correctly interpret the results obtained, reflect on them critically, and classify them appropriately in the context of the underlying problem.
In this module, students deal in depth with fundamental and current topics in machine learning (ML) and data mining.
The subject matter includes fundamental theoretical, methodological and algorithmic concepts for data-driven modeling, pattern recognition and structure discovery in large amounts of data. This includes, for example, methods for feature extraction, classification, clustering and model evaluation as well as the basics of statistical learning methods.
The specific content of the module is determined by the courses chosen by the students. The choice from the courses on offer is based on personal interest.
—
—
Bei den Veranstaltungen sind folgende Kombinationsmöglichkeiten erlaubt:
Die Zugehörigkeit wird über gleichlautenden Titelpräfix im Lehrangebot im eKVV ausgewiesen.
Das Modul wird mit einer Modulprüfung (1 LP) abgeschlossen, die von den Veranstalter*innen zum Beginn der Veranstaltung aus den gelisteten Möglichkeiten festgelegt wird, gemäß der Erläuterungen und Randbedingungen, die in der Liste der möglichen Prüfungsleistungen genannt werden.
Module structure: 1 bPr 1
Bei Absolvierung des Moduls mit ENTWEDER einführender Vorlesung + Übung ODER einführendem Seminar + Übung.
Portfolio mit Abschlussprüfung bestehend aus:
1) Portfolio von Übungen zu Inhalten der einführenden Vorlesung/des einführenden 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 im Seminar/in der Vorlesung vorgestellten Lerninhalte.
2) einer Abschlussprüfung zur einführenden Vorlesung ODER des einführenden Seminars
Die Abschlussprüfung zu den Inhalten des Seminars/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.
Seminar: Referat (im Umfang von 30–45 Minuten) mit Ausarbeitung (Umfang von 5–10 Seiten)
Die Studierenden präsentieren nach Abstimmung der konkreten Aufgabenstellung mit dem*der 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.
Vorlesung: Abschlussklausur (im Umfang von 90-180 Minuten) oder mündliche Abschlussprüfung (im Umfang von 20-40 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.
Alternativ kann ein Essay (im Umfang von ca. 4 Seiten) mit einer stark auf die vermittelten Kenntnisse und Fähigkeiten bezogenen Aufgabenstellung vorgesehen werden. Es handelt sich um eine reflektive Aufgabenstellung zu Systematik und Zusammenhängen der Lerninhalte oder um eine Auseinandersetzung mit einer Programmieraufgabe zu den erlernten Inhalten.
Beide Portfolioelemente werden durch eine*n Prüfer*in geprüft. Es erfolgt eine abschließende Gesamtbewertung.
Bei Absolvierung des Moduls mit einführender Vorlesung und begleitendem Seminar.
Portfolio mit Abschlussprüfung bestehend aus:
1) Portfolio im begleitenden Seminar: Referat mit Ausarbeitung
Die Studierenden präsentieren nach Abstimmung der konkreten Aufgabenstellung mit dem*der Prüfenden im Rahmen des Referats die Bedeutung und systematisch-fachwissenschaftliche Einordnung einer im Seminar/in der Vorlesung 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.
2) einer Abschlussprüfung zur einführenden Vorlesung:
Die Abschlussprüfung zu den Inhalten der Vorlesung nimmt Bezug auf die Inhalte des Seminars oder entwickelt sich aus den im Seminar erlernten Kompetenzen.
Eine weitergehende Konkretisierung insbesondere zum zeitlichen Umfang der Abschlussprüfung erfolgt in der Beschreibung der Veranstaltung.
Die Studierenden weisen im Rahmen der Abschlussklausur/der mündlichen Prüfung nach, die exemplarische Anwendung abstrakt erlernter Kompetenzen über das spezifisch gewählte Thema des Referats/der Ausarbeitung hinaus zu beherrschen.
Abschlussklausur (im Umfang von 90-180 Minuten) oder mündliche Prüfung (im Umfang von 20-40 Minuten)
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.
Alternativ kann ein Essay (im Umfang von ca. 4 Seiten) mit einer stark auf die vermittelten Kenntnisse und Fähigkeiten bezogenen Aufgabenstellung vorgesehen werden. Es handelt sich um eine reflektive Aufgabenstellung zu Systematik und Zusammenhänge der Lerninhalte oder um eine Auseinandersetzung mit einer Programmieraufgabe zu den erlernten Inhalten.
Beide Portfolioelemente werden durch eine*n Prüfer*in geprüft. Es erfolgt eine abschließende Gesamtbewertung.
| Degree programme | Profile | Recommended start 3 | Duration | Mandatory option 4 |
|---|---|---|---|---|
| Data Science / Master of Science [FsB vom 01.04.2026, gültig ab WS 2026/2027] | Variante 1 | 1. o. 2. o. 3. | 1 semester | Compulsory optional subject |
| Data Science / Master of Science [FsB vom 01.04.2026, gültig ab WS 2026/2027] | Variante 2 | 1. o. 2. o. 3. | 1 semester | Compulsory optional subject |
The system can perform an automatic check for completeness for this module.