Master Seminar zu Machine Learning
Master Seminar zu Machine Learning
Aktuelles
Dozent
Prof. Dr. Stefan Harmeling
Studiengang
Master-Studiengang Informatik
Kreditpunkte
5 LP
Lehrveranstaltungen
- Seminar "Master Seminar zu Machine Learning", 2 SWS,
Mi. 08:30 - 10:00 Uhr, Seminarraum 25.02.00.34
Inhalte
Machine Learning hat als Oberbegriff für Methoden zur Erkennung von Mustern und Gesetzmäßigkeiten in Daten und der Erzeugung daraus abgeleiteter Entscheidungen und Vorhersagen eine enorme Bedeutung in vielen Fachdisziplinen und Branchen erlangt. Insbesondere die stetig wachsende Menge an digitalen Daten in Unternehmen, Wissenschaft und Internet hat einen massiven Bedarf an Experten auf diesem Gebiet geführt. Da die Entwicklung neuer Methoden in diesem Bereich sehr schnell verläuft, ist eine fortlaufende Auseinandersetzung mit den neuesten Erkenntnissen für künftige Experten unerlässlich. Ziel der Veranstaltung ist es, das Grundwissen aus der Vorlesung Machine Learning durch ein intensives Studium wichtiger wissenschaftlicher Veröffentlichungen zu vertiefen, und die Teilnehmer auf die selbständige Auseinandersetzung mit neuen wissenschaftlichen Entwicklungen in diesem Feld vorzubereiten. Um dieses Lernziel zu erreichen, wird den Teilnehmern wöchentlich eine wissenschaftliche Veröffentlichung in englischer Sprache genannt. Die Teilnehmer arbeiten diese Veröffentlichung selbständig durch, so dass sie in der Lage sind, deren Inhalt vor allen anderen Teilnehmern an der Tafel zu präsentieren. Jede Woche findet eine Diskussionsveranstaltung statt, bei der ausgewählte Teilnehmer die Veröffentlichung vorstellen. Anschließend diskutieren alle Teilnehmer die Veröffentlichung.
Lernergebnisse/Kompetenzen
Studierende haben nach erfolgreichem Abschluss dieses Moduls ein vertieftes Verständni aktueller Methoden und typischer Anwendungen im Bereich des Machine Learning. Sie können wissenschaftliche Veröffentlichungen systematisch aufarbeiten, deren Inhalte prägnant zusammenfassen und kritische Bewerten.
Empfohlene Literatur
Der Kurs orientiert sich an aktuellen Veröffentlichungen, die zu Kursbeginn bekannt gegeben werden.
Verwendbarkeit des Moduls
- Wahlpflichtbereich Praktische oder Technische Informatik
- Schwerpunktbereich
- Individuelle Ergänzung
- Anwendungsfach für den Ergänzungsbereich im Master-Studiengang Mathematik
Teilnahmevoraussetzungen
Bachelor-Studierende müssen folgende Module erfolgreich abgeschlossen haben:
- "Programmierung"
- "Rechnerarchitektur"
- "Algorithmen und Datenstrukturen"
- "Theoretische Informatik"
- Hilfreich ist erfolgreicher Abschluss des Moduls "Lineare Algebra"
Empfohlene Vorkenntnisse
- "Machine Learning", "Computer Vision"
Voraussetzungen für die Vergabe von Kreditpunkten
- Schriftliche Ausarbeitung zum gewählten Thema
- Begutachtung von anderen Ausarbeitungen
- Präsentation des eigenen Themas
- Aktive Teilnahme an Diskussionen
Häufigkeit des Angebots, modulare Schiene
Unregelmäßig
Modulbeauftragte und hauptamtliche Lehrende
Prof. Dr. Stefan Harmeling