zurück zur Suche

Seminar über Elemente des Machine Learning

BGU60024Vertiefungsrichtungen3 ECTSEnglischWintersemesterLehrstuhl für Risikoanalyse und Zuverlässigkeit (Prof.Straub)
KI-überarbeitetes Infoblatt. Auf Basis der TUMonline-Modulbeschreibung, sprachlich aufbereitet.Original in TUMonline

Worum geht's

Du lernst Grundlagen des Machine Learning kennen und setzt ausgewählte Methoden praktisch um. Nach dem Seminar kannst du typische Datenanalyseprobleme als ML-Aufgaben formulieren und einfache Algorithmen implementieren (z. B. Regression, Klassifikation, Clustering, EM).

Was du danach kannst

  • Machine-Learning-Probleme in Ingenieur- und Anwendungswissenschaften formulieren
  • Grundlegende ML-Algorithmen implementieren
  • Theoretische Konzepte verständlich präsentieren
  • Praktische Anwendung der Methoden mittels Programmierung

Aus was das Modul besteht

  • VorlesungenEinführung in die Grundkonzepte und Überblick über ausgewählte Themen
  • Tutorien/ÜbungenPraktische Implementierung und Anwendung der Algorithmen
  • Präsentationen/ProjektarbeitVertiefung eines Themas und Demonstration durch Implementierungsbeispiele

Lehrmethode

  • Vorlesung an Tafel unterstützt durch FolienErklärung theoretischer Konzepte und Visualisierung komplexer Inhalte
  • Tutorien mit ImplementierungsübungenEinübung der praktischen Umsetzung der Algorithmen
  • StudierendenpräsentationenVertiefung der Inhalte durch eigenständige Aufbereitung und Demonstration
Keine Termine im laufenden Semester
Für dieses Modul liegen im aktuellen Semester keine Kurstermine vor, oder die Zuordnung fehlt noch.

Modulbewertungen

Noch keine Bewertungen für dieses Modul.

Modul bewerten

Fülle nur die Kategorien aus, die du beurteilen kannst – je Kategorie entweder Sterne und Text zusammen oder gar nichts.

Vorlesung
Übung
Prüfung

Bewertungen werden vor der Veröffentlichung automatisch geprüft.

Offizielle Seite in TUMonline · Angaben unverbindlich.