Keine

Die Studierenden kennen Begriffe des Machine Learnings, grundlegende Methoden, Herausforderungen und Vorgehensweisen im Machine Learning. Die Studierenden sind nach Absolvierung des Moduls in der Lage, eigenständig eine Datenanalyse von der Vorverarbeitung der Daten bis hin zur Bewertung der Ergebnisse mit Machine-Learning-Verfahren durchzuführen. Die Studierenden können ihre Lösungen erklären und das Ergebnis bewerten. Die Studierenden können mögliche Probleme bei allen Schritten der Datenanalyse beurteilen und geeignete Lösungen auswählen. Die Grundlagen und die praktische Anwendung der Tools sind bekannt. Die Studierenden sind in der Lage, passende Verfahren für gegebene Machine-Learning-Problemstellungen auszuwählen, anzuwenden und ggf. anzupassen. Die wesentlichen Vor- und Nachteile der Verfahren und Vorgehensweisen werden problemspezifisch bewertet.

Statistik mit Übungen: Hausarbeit; muss mit Erfolg attestiert sein

Künstliche Intelligenz: Klausurarbeit, 60 Min., und Laborarbeit muss mit Erfolg attestiert sein

Klausurnote entspricht Modulnote.

Prof. Dr. Oelke

Bachelor-Studiengang NES