initialer check für Rohfassung des Studiengangs VI

2024-04-23 11:23:50 +02:00 · 2024-04-23 11:23:50 +02:00 · 43805d3dc4
commit 43805d3dc4
parent a4961eb681
43 changed files with 9743 additions and 0 deletions
--- a/syllabus/VI/mod.compint.yaml
+++ b/syllabus/VI/mod.compint.yaml
@ -0,0 +1,151 @@
+name:
+  de: Computerbasierte Intelligenz 
+ 
+instructor:
+  de: Prof. Dr. Martin Golz 
+ 
+id:
+  value: CompInt
+
+goal: 
+  de: |
+      Die Studierenden eignen sich folgende fachbezogene Kompetenzen an:                                    
+                                                          
+      -   Typische Problemstellungen der                 
+          Wissenstechnologien zu analysieren,            
+                                                          
+      -   Prozessstufenkette für die adaptive            
+          Datenanalyse zu konzipieren,                   
+                                                          
+      -   Konkrete Methoden der Prozessschritte zu       
+          verstehen und zu analysieren,                  
+                                                          
+      -   Methoden der Validierungsanalyse zu verstehen  
+          und anzuwenden,                                
+                                                          
+      -   Grundannahmen und Modelle der empirischen      
+          Inferenz zu kennen.                            
+                                                          
+      Die Studierenden erwerben methodische Kompetenzen  
+      des abstrakten Denkens. Sie eignen sich an, wie    
+      Lösungsstrategien zu planen und umzusetzen sind.   
+      Zudem erwerben sie eine interdisziplinäre          
+      Wissenstransfer-Fähigkeit, die sich aus            
+      theoretischen Grundkenntnissen,                    
+      Anwendungserfahrungen sowie aus vermittelten      
+      langjährigen Projekterfahrungen speist.            
+                                                          
+      Fachübergreifende Kompetenzen eignen sich die      
+      Studierenden hinsichtlich der Kommunikation mit    
+      fachfremden Expertinnen / Experten und einer    
+      Rollenflexibilität in interdisziplinären Teams an.
+
+content: 
+  de: |
+    Fachliche Inhalte: Grundbegriffe und ihre          
+    Abgrenzung, Definitionen, Sätze und Postulate des  
+    Fachgebiets, Kennenlernen diverser                 
+    Anwendungsprojekte.                                
+                                                        
+    -   Handlungsfelder, Ziele, Probleme               
+                                                        
+    -   Aufgabentypen der computerbasierten            
+        Intelligenz (CI)                               
+                                                        
+    -   CI-Prozesskette: Konzipierung, Validierung     
+                                                        
+    -   Grundzüge der statistischen Lerntheorie        
+                                                        
+    -   Datenerfassung, Vorverarbeitung                
+        Merkmalsextraktion: Ziele, Bewertung           
+                                                        
+    -   Überwachtes Lernen: Definition, Methoden,      
+        Bewertung                                      
+                                                        
+    -   Vertiefung: neuronale Netze,                   
+        Relevanzdetermination, Stützvektormethode,     
+        Ensemble-Lernen, Tiefe Lernarchitekturen (deep 
+        learning)                                      
+                                                        
+    -   Unüberwachtes Lernen: Definition, Methoden,    
+        Validierungsproblematik                        
+
+form-of-instruction:
+  value: { 'lecture': 999 }
+
+media-of-instruction:
+  de: |
+    Die Studierenden können sich auf die Teilnahme     
+    vorbereiten durch Studieren der folgenden Quellen: 
+                                                        
+    -   Vorlesungsskript                               
+                                                        
+    -   Internetquellen, insbesondere Wikipedia-Artikel                              
+                                                        
+    -   Folgende Lehrbücher:                           
+                                  
+    -   Kruse, Borgelt, Braune, Klawonn, Moewes,       
+        Steinbrecher (2015) Computational              
+        Intelligence: Eine methodische Einführung.     
+        Springer-Vieweg                                
+                                                        
+    -   Theodoridis, Koutroumbas (2008) Pattern        
+        Recognition. Elsevier                          
+                                                        
+    -   Richter (2019) Statistisches und maschinelles  
+        Lernen: Gängige Verfahren im Überblick.        
+        Springer-Spektrum                              
+                                                        
+    -   Niemann (1983) Klassifikation von Mustern.     
+        Springer (online kostenlos verfügbar)          
+
+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 25min"
+
+term:
+  value: 4
+
+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!