zurück zur Suche

Machine Learning

IN2064Vertiefungsrichtungen8 ECTSEnglischWintersemesterDepartment Computer Science

In 15 Stundenplänen von Kommilitonen

KI-überarbeitetes Infoblatt. Auf Basis der TUMonline-Modulbeschreibung, sprachlich aufbereitet.Original in TUMonline

Worum geht's

Du lernst die probabilistischen Grundlagen des maschinellen Lernens und zentrale Lernalgorithmen kennen — von einfachen Nachbarschafts- und Clusterverfahren über lineare Modelle und Support-Vektormaschinen bis zu neuronalen Netzen und EM-Methode. Am Ende kannst Du passende Algorithmen für gegebene Probleme auswählen, beschreiben und herleiten.

Was du danach kannst

  • Verständnis probabilistischer Grundlagen des Machine Learning
  • Kenntnis essentieller Lernalgorithmen (supervised & unsupervised)
  • Auswahl geeigneter Algorithmen für konkrete Problemstellungen
  • Beschreibung und Herleitung ausgewählter Verfahren

Aus was das Modul besteht

  • VorlesungBehandelt die theoretischen Themen des Moduls
  • ÜbungenAnwendung und Vertiefung der Vorlesungsinhalte
  • HausaufgabenSelbststudium zur Vertiefung der Themen

Lehrmethode

  • Flipped ClassroomFördert aktives Lernen; Vorlesungsinhalte werden vorbereitet und in Präsenz vertieft
  • Vorlesungsfolien und VideosBereitstellung der Kerninhalte zum Selbststudium

Termine

Vorlesung mit ÜbungMaschinelles Lernen (IN2064)

Aus dem laufenden Semester, unverbindlich.

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.