Restrukturierung

syllabus/VI/mod.compint.yaml

@@ -1,101 +0,0 @@
-name:
-  de: Computergestützte Intelligenz / Machine Learning
- 
-instructor:
-  de: Prof. Dr. Martin Golz 
- 
-id:
-  value: CompInt
-
-goal: 
-  de: |
-    Die Studierenden sollen in der Lage sein,
-
-      - Problemstellungen der Daten- und Wissenstechnologien zu analysieren,
-      - Prozessschritte der computergestützten Intelligenz zu konzipieren,
-      - Methoden einzelner Prozessschritte zu verstehen und anzuwenden,
-      - Methoden der Validierungsanalyse zu verstehen und anzuwenden, 
-      - Grundannahmen und Modelle der empirischen Inferenz kennen.
-
-
-content: 
-  de: |
-      1. Einführung, Künstliche Intelligenz und Gesellschaft, Zeichenerkennung, Objekterkennung, eingebettete Intelligenz
-      2. Definitionen und Postulate
-      3. Vorverarbeitung
-      4. Merkmalsextraktion, Ähnlichkeitsmaße
-      5. Unüberwachtes Lernen, Gruppierungsanalyse, Fuzzy-Cluster-Analyse
-      6. Überwachtes Lernen, Bayes-Theorem, Lineare Diskriminanzanalyse
-      7. Stützvektormethode: Maximalspanne, weiche Spanne, Kernfunktionssubstitution, Hyperparameter-Optimierung
-      8. Neuronale Netze: Neurobiologische Grundlagen, Perzeptronen, Netztopologien, Vorwärtsrechnung, Fehlerrückführung
-      9. Lernende Vektorquantisierung, Automatische Relevanzdetermination
-      10. Selbstorganisierende Merkmalskarten, Inkrementelle Netze
-      11. Massendaten und tiefe Lernarchitekturen (Deep Learning)
-
-
-form-of-instruction:
-  value: { 'lecture': 3, 'pc_lab' : 1 }
-
-teaching-material:
-  de: |
-    - Vorlesungsskript
-    - Duda, Hart, Stork (2001) Pattern Classification. Wiley
-    -Haykin (2008) Neural Networks and Learning Machines. Prentice Hall
-    - Nielsen (2015) Neural Networks and Deep Learning. Determination press
-    - Theodoridis & Koutroumbas (2008) Pattern Recognition. Elsevier      
-
-author-of-indenture: 
-  de: 
-
-used-in:
-  de: > 
-    Bachelor Informatik, Wirtschaftsinformatik & Digitale Transformation, Verwaltungsinformatik. Eine weitere Verwendung nach jeweiliger Prüfungsordnung ist möglich (z.B. Multimedia-Marketing)"
-
-prerequisites:
-  de: |
-      Voraussetzungen für die Teilnahme sind          
-      Grundkenntnisse der Algebra, Analysis, Statistik
-      Datenbanken und des Software-Engineerings.        
-                                                        
-      Das eigenständige Studium von Fachliteratur       
-      verschiedener Autorinnen / Autoren und            
-      nachfolgende eigenständige Analyse und Synthese   
-      der Wissenselemente zu einem konsistenten         
-      Fachwissen sind für eine erfolgreiche Teilnahme    
-      erforderlich.                                 
-
-workload:
-  de: >
-    Kontaktzeit/Präsenzstudium: 60 Stunden; Selbststudium: 60 Stunden; Prüfung und Prüfungsvorbereitung: 30 Stunden
-
-credits: 
-  value: 5
-
-# form-of-exam: 
-#   value: oral
-#   spec:
-#     de: "Dauer der Prüfung 30min"
-
-# Amtsblatt
-form-of-exam: 
-  value: written
-  spec:
-    de:
-
-term:
-  value: [4, 6]
-
-frequency:
-  value: once_per_year
-
-duration:
-  value: 1
-
-kind:
-  value: compulsory_elective
-
-remarks:
-  de: 
-
-notes:
-  de: Form und Zeiten der Lehrveranstaltung nicht spezifiziert - bitte nachmelden!