Stellung im Studiengang:

Wahlpflicht

Workload:

5 LP / 4 SWS

Art des Nachweises:

Sammelmappe

Lernergebnisse / Kompetenzen:

Die Studierenden sollen grundlegende Fragestellungen und Ziele des maschinellen Lernens verstehen, mit speziellen Problemklassen, wie dem überwachten Lernen (Klassifikation und Regression), vertraut werden, sich wichtige Methoden des maschinellen Lernens und deren skalierbare Implementierungen erarbeiten und sich mit Konzepten zur Evaluierung von Lernverfahren auskennen. Die Studierenden wenden das Erlernte zur Anwendung an einer komplexen Aufgabenstellung selbstständig an.

Inhalte:

Einführung und grundlegende Konzepte, Begriffslernen und Versionenräume, Datenvorverarbeitung, fallbasiertes Lernen, Entscheidungsbäume, Regellernen, Support Vector Machines, Erweiterungen und Meta-Techniken, empirische Evaluierung von Lernverfahren. Anwendung in einem eigenen Projekt, in der Konstruktion und im Maschinenbau.