Signal Processing and Machine Learning

Worum geht's

Du lernst fortgeschrittene mathematische Methoden, Konzepte und Algorithmen aus Signalverarbeitung und Machine Learning kennen und anzuwenden. Schwerpunkt ist die Verbindung beider Paradigmen mit Anwendungen in Kommunikation und Datenverarbeitung. Am Ende kannst Du typische Problemstellungen umformulieren, geeignete Algorithmen (z. B. für sparse Signalverarbeitung oder neuronale Netze) einsetzen und deren Ergebnisse bewerten.

Was du danach kannst

• Mathematische Konzepte und numerische Algorithmen in Signal Processing und ML verstehen
• Algorithmen anwenden und evaluieren für Kommunikations- und Datenverarbeitungsaufgaben
• Problemstellungen so formulieren, dass Sparse-Signalverfahren und ML-Methoden anwendbar sind
• Einblick in aktuelle Forschungsfragen der behandelten Themen gewinnen

Aus was das Modul besteht

• VorlesungEinführung in Konzepte und Algorithmen sowie Demonstration anhand von Anwendungen
• Übungen / Case StudiesTransfer der Vorlesungsinhalte auf Anwendungsbeispiele und Problemstellungen
• Programmieraufgaben / praktische ArbeitenEigenständige Implementierung numerischer Algorithmen und Nutzung von Toolboxes

Lehrmethode

• VorlesungenEinführung mathematischer Konzepte und Algorithmen
• Fallstudien / AnwendungenDemonstration der Nutzung der Konzepte in konkreten Beispielen
• Selbstständige Aufgaben und ProgrammierungVertiefung durch Anwendung und Implementierung eigener sowie vorhandener Toolboxes