101 lines
3.1 KiB
YAML
101 lines
3.1 KiB
YAML
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 }
|
|
|
|
media-of-instruction:
|
|
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!
|