Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 
Startseite    Anmelden     
Logout in [min] [minutetext]

Lernfähige Roboter (umbenannt in: Maschinelles Lernen für Intelligente Systeme) - Detailansicht

  • Funktionen:
  • Zur Zeit kein Belegungszeitraum aktiv.
Grunddaten
Veranstaltungsart Vorlesung/Praktikum Langtext
Veranstaltungsnummer 5812 Kurztext
Semester SoSe 2021 SWS 4
Erwartete Teilnehmer/-innen Max. Teilnehmer/-innen
Rhythmus Jedes 2. Semester Studienjahr
Hyperlink  
Sprache Deutsch
Belegungsfrist Hauptbelegungszeitraum    01.03.2021 - 26.03.2021   
Termine Gruppe: [unbenannt] iCalendar Export für Outlook
  Tag Zeit Rhythmus Dauer Raum Raum-
plan
Lehrperson Status Funktionsbeschreibung fällt aus am Max. Teilnehmer/-innen
Einzeltermine anzeigen
iCalendar Export für Outlook
Fr. 08:00 bis 09:30 woch          
Einzeltermine anzeigen
iCalendar Export für Outlook
Di. 17:45 bis 19:15 woch          
Gruppe [unbenannt]:
Zur Zeit kein Belegungszeitraum aktiv.
 


Zugeordnete Personen
Zugeordnete Personen Zuständigkeit
Cubek, Richard , Dipl.Ing.(FH) begleitend
Schneider, Markus, Professor verantwortlich
Laut SPO für
Abschluss Studiengang Semester Kategorie ECTS
Master mit vorausg. Absch Profil IN-Künstliche Intelligenz und Autonme Rob. 2 - 2 Wahlpflichtfach 5
Master mit vorausg. Absch Profil IN-Spiele 2 - 2 Wahlfach 5
Master mit vorausg. Absch Profil IN-IT-Sicherheit 2 - 2 Wahlfach 5
Master mit vorausg. Absch Electrical Engineering and Embedded Systems 2 - 2 Wahlfach 5
Master mit vorausg. Absch Mechatronics 2 - 2 Wahlfach 5
Master mit vorausg. Absch Informatik 2 - 2 5
Prüfungen / Module
Prüfungsnummer Prüfungsversion Modul
9310 9 Lernfähige Roboter
Zuordnung zu Einrichtungen
Masterstudiengang Informatik
Inhalt
Kurzkommentar
  • Alle Materialien werden im zugeordneten Moodle-Kurs zur Verfügung gestellt. 
  • Einschreibeschlüssel wird per E-Mail bekannt gegeben.
Kommentar

1  Introduction to Machine Learning
2  LinearClassification
3  MaximumLikelihood
4  Nonlinear Modeling and Generalization
5  KernelFunctions
6  Support Vector Machines
7  DecisionTrees
8  Neural Netwoks and Deep Learning
9  Ensemble Methods
10 Optimization
11 Additional Topics

Funktionsbeschreibung

The goal of this course is to give an introduction to the field of machine learning and optimization for intelligent systems. The course will teach basics kills to decide which learning algorithm to use for what problem, evaluate and debug it.

Voraussetzungen

Künstliche Intelligenz oder Maschinelles Lernen, bzw. Data Mining, solide Kenntnisse in Analysis und Linearer Algebra, sowie Programmieren.

Leistungsnachweis

Portfolio benotet


Strukturbaum
Die Veranstaltung wurde 4 mal im Vorlesungsverzeichnis SoSe 2021 gefunden:
2nd semester course  - - - 1
Wahlpflichtfächer  - - - 2
Wahlfächer  - - - 3