English
I499 – Angewandte Methoden des maschinellen Lernens
Applied Machine Learning Methods
Version: 1
Dr. rer. nat. Robert Ringel
robert.ringel(at)htw-dresden.de
Dr. rer. nat. Robert Ringel
robert.ringel(at)htw-dresden.de
Dr.-Ing. Stephan Kirchhof
stephan.kirchhof(at)htw-dresden.de
Deutsch
3.00 Credits
90 Stunden
3.00 SWS (1.00 SWS Vorlesung | 2.00 SWS Praktikum)
45.00 Stunden
Alternative Prüfungsleistung - Portfolio
Wichtung: 100 %
Flipped Classroom
Jupyter Notebook und Lehrvideos
- Einführendes Beispiel
- Ausgewählte Verfahren überwachten und nicht überwachten Lernens
- Datenrepräsentation und Merkmalsgewinnung
- Praktische Anwendungsbeispiele im industriellen Umfeld
- Hinweise zum produktiven Einsatz
- Die Studierenden kennen grundlegende Konzepte des ML.
- Die Studierenden wenden ausgewählte ML-Module in einer Programmiersprache an.
- Die Studierenden lösen praktische Aufgabenstellungen zum ML mit einer Programmiersprache.
- Die Studierenden erwerben Kompetenzen, um theoretisch erlangtes Wissen lösungsorientiert einzusetzen. Darüber hinaus sind sie in der Lage, fachspezifische Problemstellungen zu abstrahieren und neue, fachübergreifende Anwendungen zu generieren.
- Die Studierenden können sich und ihre Arbeitsergebnisse im fachlichen Diskurs professionell präsentieren und dabei methodisch und überzeugend argumentieren.
- Die Studierenden sind in der Lage, soziale/kulturelle Folgen von wissenschaftlichen Methoden und Entwicklungen kritisch zu diskutieren; sie verstehen es, die ethische Verantwortung aktueller wissenschaftlicher Entwicklungen in der Technik zu diskutieren.
- Die Studierenden sind in der Lage, auch in englischer Sprache auf dem Niveau B2 in beruflichen Situationen mit internationalen Partnern zusammenzuarbeiten.
- Die Studierenden verfügen über zielorientiertes Denk-, Handlungs- und Durchhaltevermögen sowie Beharrlichkeit in fachlichen und persönlichen Situationen.
- Die Studierenden können bei fachlichen und überfachlichen Problemstellungen kreativ nach alternativen Lösungsansätzen suchen.
- Die Studierenden sind befähigt, die eigenen fachlichen Fähigkeiten einzuschätzen und in persönlichen und sozialen Situationen mit Kritik professionell umzugehen.
keine
anwendungsbereite Grundlagenkenntnisse einer Programmiersprache, vorzugsweise Python
Matzka, S. (2021). Künstliche Intelligenz in den Ingenieurwissenschaften maschinelles Lernen verstehen und bewerten. In Springer eBook Collection. Springer Vieweg.
C. N. Nguyen, Machine Learning kurz & gut, 1. Auflage. Heidelberg: O´Reilly, 2018.
- werden im OPAL bereitgestellt
- Nutzung eines eigenen Notebook-Computers
- sichere Kenntnisse im Lesen und Hören in englischer Sprache