I831 – Machine learning techniques

Module
Machine learning techniques
Maschinelle Lernverfahren
Module number
I831 [I-831]
Version: 1
Faculty
Informatics/Mathematics
Level
Master
Duration
1 Semester
Semester
Summer semester
Module supervisor

Prof. Dr. rer. nat. Boris Hollas
boris.hollas(at)htw-dresden.de
Lecturer(s)

Prof. Dr. rer. nat. Boris Hollas
boris.hollas(at)htw-dresden.de
Course language(s)

German
in "Maschinelle Lernverfahren"
ECTS credits

5.00 credits

Workload

150 hours

Courses

4.00 SCH (2.00 SCH Lecture | 2.00 SCH Internship)
Self-study time

90.00 hours

Pre-examination(s)
None
Examination(s)

Oral examination
Module examination | Examination time: 30 min | Weighting: 100%
in "Maschinelle Lernverfahren"
Form of teaching
keine Angabe
Media type
No information
Instruction content/structure

In der Vorlesung werden überwachte und unüberwachte Lernverfahren behandelt und in den praktischen Übungen auf Datensätze angewendet.

Überwachte und unüberwachte Lernverfahren::

  • Naiver Bayes
  • Nearest Neighbor
  • Support Vector Machines
  • Entscheidungsbäume, Random Forests, Pruning
  • Validierung und Bewertung der Güte von Lernverfahren
  • Clusterverfahren und deren Güte

Verfahren zur Sequenzklassifikation:

  • Hidden Markov Modelle
  • Maximum Entropy Markov Modelle
Qualification objectives

Theorie und Anwednung der Maschinellen Lernverfahren werden beherrscht und können auf neue Zusammenhänge praktisch angewendet werden.
Social and personal skills
No information
Special admission requirements
No information
Recommended prerequisites
No information
Continuation options
No information
Literature

Géron: Praxiseinstieg Machine Learning mit Scikit-Learn und TensorFlow.
Current teaching resources

Werden in der Lehrveranstaltung bekannt gegeben.
Notes
No information
Link to course/learning resources in OPAL
https://bildungsportal.sachsen.de/opal/auth/RepositoryEntry/23061364738?10
Close detail view
© Modulux (Version 4.3)