332611a Künstliche Intelligenz und Maschinelles Lernen
Zuletzt geändert: | 24.01.2024 / Pfeffer |
EDV-Nr: | 332611a |
Studiengänge: |
Informationswissenschaften (Bachelor, 7 Semester) , Prüfungsleistung im Modul Künstliche Intelligenz und Maschinelles Lernen
in Semester
3 4 6 7
Häufigkeit: unregelmäßig |
Dozent: | |
Sprache: | Deutsch |
Art: | - |
Umfang: | 6 SWS |
ECTS-Punkte: | 10 |
Prüfungsform: | |
Beschreibung: |
Die Vorlesung führt in die Grundlagen des maschinellen Lernens ein und stellt die unterschiedlichen Ansätze (supervised, unsupervised, reinforcement) vor. Diese werden anhand konkreter Verfahren vertieft und in ML-Umgebungen wie Keras oder SciKitLearn implementiert. Typischerweise werden lineare Regression, Entscheidungsbäume, statistische Verfahren und neuronale Netze behandelt.
Ein wichtiger Bestandteil ist die Auswertung und Bewertung der Lernergebnisse. Hierzu werden die Fehlerarten besprochen und etablierte Verfahren zur Validierung sowie Messgrößen für die Qualität der Modelle vorgestellt und in den ML-Umgebungen praktisch umgesetzt. In Anwendungsszenarien wird in Gruppen exemplarisch die Auswahl des ML-Verfahrens, Training und Evaluation der Modelle und deren praktischer Einsatz durchgespielt. Prüfung: In einer kontrollierten Umgebung (PC-Pools) werden Programmieraufgaben gelöst. Die Studierenden haben Zugang zu der Arbeitsumgebung, wie sie in der Vorlesung etabliert wurde, und können auf eigene Materialien und eine Auswahl von Webseiten zugreifen. Die Prüfung dauert ca. 3 Stunden. |
Literatur: |
NORVIG, Peter. Künstliche Intelligenz: Ein moderner Ansatz. Pearson Deutschland GmbH, 2023.
Weitere Literatur finden Sie in der HdM-Bibliothek. |
Internet: |
https://scikit-learn.org/stable/user_guide.html https://elitedatascience.com/keras-tutorial-deep-learning-in-python |