zurück zur Suche

Seminar ML4Earth: Machine Learning for Earth Observation and Modeling

ED110126Electives5 ECTSEnglischWintersemester/SommersemesterLehrstuhl für Data Science in Earth Observation (Prof. Zhu)
KI-überarbeitetes Infoblatt. Auf Basis der TUMonline-Modulbeschreibung, sprachlich aufbereitet.Original in TUMonline

Worum geht's

Du beschäftigst Dich mit Anwendungen von Künstlicher Intelligenz und maschinellem Lernen in der Erdbeobachtung und Erdsystem-Modellierung. Du lernst, aktuelle Fachpublikationen und Data-Science-Konzepte zu sichten, zusammenzufassen und in eigenen Vorträgen zu präsentieren. Dabei übst Du auch, Datensätze oder erste Kodierungs-/Algorithmuskonzepte zu präsentieren und fachlich zu diskutieren. Am Ende kannst Du wissenschaftliche Fachvorträge zu ML-Anwendungen in der Erdbeobachtung konzipieren und vortragen sowie souverän auf Fragen und Feedback reagieren.

Was du danach kannst

  • Konzeption und Ausarbeitung wissenschaftlicher Fachvorträge
  • Zusammenfassung und Diskussion aktueller Publikationen zu KI/ML in Erdbeobachtung
  • Präsentation von Datensätzen und ersten Kodier-/Algorithmuskonzepten
  • Vortrags- und Q&A-Kompetenz (Aufbau, Präsentation, Umgang mit Rückfragen)

Aus was das Modul besteht

  • Seminar/PräsentationenStudierende erarbeiten Themen und halten eigene Fachvorträge; Diskussion und fachlicher Austausch

Lehrmethode

  • LectureVermittlung fachlicher Grundlagen und aktueller Themen
  • Own presentationsTraining von Vortragspraxis, Diskussion und Feedback

Termine

SeminarSeminar ML4Earth: Machine Learning for Earth Observation and Modeling

  • Di.10:30–12:0000.020, come together (9377.EG.020)
    11× · 27.10.–02.02.
    • 27.10.
    • 03.11.
    • 17.11.
    • 24.11.
    • 01.12.
    • 08.12.
    • 15.12.
    • 22.12.
    • 12.01.
    • 19.01.
    • 02.02.
  • Di.10:30–12:0000.012, Seminarraum (9377.EG.012)einmalig am 26.01.

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.