I831 – Maschinelle Lernverfahren

Modul
Maschinelle Lernverfahren
Machine learning techniques
Modulnummer
I831 [I-831]
Version: 1
Fakultät
Informatik/Mathematik
Niveau
Master
Dauer
1 Semester
Turnus
Sommersemester
Modulverantwortliche/-r

Prof. Dr. rer. nat. Boris Hollas
boris.hollas(at)htw-dresden.de
Dozent/-in(nen)

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

Deutsch
in "Maschinelle Lernverfahren"
ECTS-Credits

5.00 Credits

Workload

150 Stunden

Lehrveranstaltungen

4.00 SWS (2.00 SWS Vorlesung | 2.00 SWS Praktikum)
Selbststudienzeit

90.00 Stunden

Prüfungsvorleistung(en)
Keine
Prüfungsleistung(en)

Mündliche Prüfungsleistung
Modulprüfung | Prüfungsdauer: 30 min | Wichtung: 100%
in "Maschinelle Lernverfahren"
Lehrform
keine Angabe
Medienform
Keine Angabe
Lehrinhalte/Gliederung

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
Qualifikationsziele

Theorie und Anwednung der Maschinellen Lernverfahren werden beherrscht und können auf neue Zusammenhänge praktisch angewendet werden.
Sozial- und Selbstkompetenzen
Keine Angabe
Besondere Zulassungsvoraussetzung
Keine Angabe
Empfohlene Voraussetzungen
Keine Angabe
Fortsetzungsmöglichkeiten
Keine Angabe
Literatur

Géron: Praxiseinstieg Machine Learning mit Scikit-Learn und TensorFlow.
Aktuelle Lehrressourcen

Werden in der Lehrveranstaltung bekannt gegeben.
Hinweise
Keine Angabe
Link zu Kurs/Lernressourcen im OPAL
https://bildungsportal.sachsen.de/opal/auth/RepositoryEntry/23061364738?10
Detailansicht schließen
© Modulux (Version 4.3)