Text in english

Grundlagen des maschinellen Lernens

Kurs nur in Deutsch

Semesterwochenstunden:

4

Leistungspunkte:

5

Vorkenntnisse:

 Keine

Veranstaltungstyp:

4 SWS seminaristischer Unterricht mit Vorlesung und Übungen

Semesterturnus:

Winter- bzw. Sommersemester

Arbeitsaufwand:

 150h (60h Präsenzzeit, 90h Eigenstudium)

Beitrag zu den Zielen des Studiengangs:

 

Lernziel:

Die Studierenden kennen und verstehen die theoretischen und algorithmischen Grundlagen des maschinellen Lernens. Sie können Probleme aus dem Bereich des Maschinellen Lernens erkennen und selbständig lösen.

Schlüsselqualifikationen:

Fähigkeit zu komplexem Denken, Fähigkeit zu selbständigem Arbeiten, Analyse und Klassifikation von Problemen, kreatives Problemlösen

Lehrinhalte:

  • Grundlegende Prinzipien und Theorien des Maschinellen Lernens
  • Einführung der wichtigesten algorithmischen Konzepte
  • Lernen aus Daten
  • Praktische Anwendungen

Literatur:

  • Goodfellow, I and Bengio,Y and Courville, A: Deep Learning. 2016 
  • Niemann,H: Klassifikation von Mustern. 2. Überarbeitete Auflage, 2003 

Bemerkungen:

 

Leistungsnachweis:

Schriftliche Prüfung (90min) am Veranstaltungsende 

Zulassungsvoraussetzungen:

 

Hilfsmittel:

 

Modulverantwortliche/r:

Prof. Dr. Bocklet





TH Nürnberg
Fakultät Informatik
Webmaster-IN



Root- Zertifikat

© 2019 Fakultät Informatik