zurück zur Suche

Machine Learning for Graphs and Sequential Data

IN2323Electives5 ECTSEnglischSommersemesterDepartment Computer Science
KI-überarbeitetes Infoblatt. Auf Basis der TUMonline-Modulbeschreibung, sprachlich aufbereitet.Original in TUMonline

Worum geht's

Du lernst Methoden des Machine Learnings für Graphdaten und sequenzielle Daten (z. B. Text, Zeitreihen, Point Processes) kennen. Am Ende kannst du passende Modelle auswählen, anwenden und bewerten sowie spezielle Konzepte für nicht-unabhängige Daten wie Graphen oder zeitliche Abhängigkeiten verstehen und nutzen.

Was du danach kannst

  • Datenmining- und Machine-Learning-Methoden für komplexe Datentypen beschreiben
  • Konzepte zur Behandlung nicht-unabhängiger Daten anwenden
  • Methoden zur Analyse von Graphen und Netzwerken verstehen und nutzen
  • Modelle für sequenzielle Daten (z. B. RNN, LSTM, Transformer) anwenden
  • Embeddings für Knoten und Sequenzen erstellen und bewerten
  • Robustheitsaspekte und Angriffsbeispiele erkennen und Maßnahmen beurteilen

Aus was das Modul besteht

  • LectureVermittlung der theoretischen Grundlagen zu Graphen, Netzwerken und sequenziellen Daten
  • Assignments / project workAnwendung, Implementierung und kritische Evaluation fortgeschrittener Algorithmen
  • Problems for individual studyVertiefung und eigenständiges Üben der Inhalte

Lehrmethode

  • LectureEinführung und Erklärung zentraler Konzepte
  • Problems for individual studySelbstständige Vertiefung und Übung
  • Assignments including project workPraktische Umsetzung und Evaluation von Methoden
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.