Anerkannte Lehrveranstaltungen |
ML_Thieling
|
Gültig ab |
Wintersemester 2022/23 |
Modul ist Bestandteil des Studienschwerpunkts | SMS - Smart Systems |
Dauer |
1 Semester |
ECTS |
5 |
Zeugnistext (de) |
Maschinelles Lernen |
Zeugnistext (en) |
Machine Learnig |
Unterrichtssprache |
deutsch oder englisch |
abschließende Modulprüfung |
Ja |
Inhaltliche Voraussetzungen
MA1 -Mathematik 1
|
Problemlösungskompetenz aus dem Bereich lineare Algebra und der Analysis. Sicheres Beherrschen der entsprechenden Symbole und Formalismen.
|
Handlungsfelder
Systeme zur Verarbeitung, Übertragung und Speicherung von Informationen für technische Anwendungen planen, realisieren und integrieren
|
Anforderungen, Konzepte und Systeme analysieren und bewerten |
Informationstechnische Systeme und Prozesse organisieren und betreiben |
Mit Auftraggebern, Anwendern, gesellschaftlichem Umfeld und Teammitgliedern interagieren |
Modulprüfung
Benotet |
Ja |
Konzept |
Die Studierenden sollen in einer mündlichen Prüfung folgende Kompetenzen nachweisen: 1.) Sicherer Umgang mit grundlegenden Begrifflichkeiten, Mechanismes und Konzepten. 2.) Problemstellungen aus dem Bereich des maschinellen Lernens mit neuronalen Netzen analysieren und mit passenden Methoden lösen können. 3.) Vorliegende Problemlösungen analysieren und die dabei verwendeten algorithmischen und theoretischen Grundlagen erklären können. |
Frequenz |
Jedes Semester |
Learning Outcomes
ID |
Learning Outcome |
LO1
|
Was: Die Studierenden erlernen die Methoden und Verfahren zum Machinellen Lernen mit Neuronalen Netzen. Darauf aufbauend wird die Problemlösung mittels Entwurfswerkzeugen implementiert und validiert. Womit: Der Dozent vermittelt Wissen und Basisfertigkeiten in einem Vorlesungs-/Übungsteil und betreut darauf aufbauend ein Praktikum. Im Praktikum erarbeiten die Studierenden in Kleingruppen Problemlösungen und verteidigen diese. Wozu: Die Studierenden werden in dem Modul befähigt, im Problemlösung im Bereich des maschinellen Lernens mit neuronalen Netzen zu lösen und bestehende Lösungen zu bewerten.
|
Kompetenzen
Kompetenz |
Ausprägung |
In Systemen denken
|
diese Kompetenz wird vermittelt
|
fachliche Probleme abstrahieren und formalisieren
|
diese Kompetenz wird vermittelt
|
Konzepte und Methoden der Informatik, Mathematik und Technik kennen und anwenden
|
diese Kompetenz wird vermittelt
|
Systeme analysieren
|
diese Kompetenz wird vermittelt
|
Systeme entwerfen
|
diese Kompetenz wird vermittelt
|
Systeme realisieren
|
diese Kompetenz wird vermittelt
|
Systeme prüfen
|
diese Kompetenz wird vermittelt
|
Grundzüge wissenschaftlichen Arbeitens kennen und anwenden
|
Voraussetzungen für diese Kompetenz (Wissen,...) werden vermittelt
|
Komplexe technische Aufgaben im Team bearbeiten
|
diese Kompetenz wird vermittelt
|
Befähigung zum lebenslangen Lernen
|
Voraussetzungen für diese Kompetenz (Wissen,...) werden vermittelt
|
Inhaltliche Voraussetzungen
MA1 -Mathematik 1
|
Problemlösungskompetenz aus dem Bereich lineare Algebra und der Analysis. Sicheres Beherrschen der entsprechenden Symbole und Formalismen.
|
Handlungsfelder
Systeme zur Verarbeitung, Übertragung und Speicherung von Informationen für technische Anwendungen planen, realisieren und integrieren
|
Anforderungen, Konzepte und Systeme analysieren und bewerten |
Informationstechnische Systeme und Prozesse organisieren und betreiben |
Mit Auftraggebern, Anwendern, gesellschaftlichem Umfeld und Teammitgliedern interagieren |
Learning Outcomes
ID |
Learning Outcome |
LO1
|
Was: Die Studierenden erlernen die Methoden und Verfahren zum Machinellen Lernen mit Neuronalen Netzen. Darauf aufbauend wird die Problemlösung mittels Entwurfswerkzeugen implementiert und validiert. Womit: Der Dozent vermittelt Wissen und Basisfertigkeiten in einem Vorlesungs-/Übungsteil und betreut darauf aufbauend ein Praktikum. Im Praktikum erarbeiten die Studierenden in Kleingruppen Problemlösungen und verteidigen diese. Wozu: Die Studierenden werden in dem Modul befähigt, im Problemlösung im Bereich des maschinellen Lernens mit neuronalen Netzen zu lösen und bestehende Lösungen zu bewerten.
|
Kompetenzen
Kompetenz |
Ausprägung |
In Systemen denken
|
diese Kompetenz wird vermittelt
|
fachliche Probleme abstrahieren und formalisieren
|
diese Kompetenz wird vermittelt
|
Konzepte und Methoden der Informatik, Mathematik und Technik kennen und anwenden
|
diese Kompetenz wird vermittelt
|
Systeme analysieren
|
diese Kompetenz wird vermittelt
|
Systeme entwerfen
|
diese Kompetenz wird vermittelt
|
Systeme realisieren
|
diese Kompetenz wird vermittelt
|
Systeme prüfen
|
diese Kompetenz wird vermittelt
|
Grundzüge wissenschaftlichen Arbeitens kennen und anwenden
|
Voraussetzungen für diese Kompetenz (Wissen,...) werden vermittelt
|
Komplexe technische Aufgaben im Team bearbeiten
|
diese Kompetenz wird vermittelt
|
Befähigung zum lebenslangen Lernen
|
Voraussetzungen für diese Kompetenz (Wissen,...) werden vermittelt
|
Typ |
Vorlesung / Übungen |
Separate Prüfung |
Nein |
Exemplarische inhaltliche Operationalisierung |
Die Studierenden erlernen die grundlegende Funktionsweise neuronaler Netz und deren Handhabung. Hierbei nehmen insbesondere Deep Neural Networks und Convolutional Neural Networks sowie eine geeinete Analyse und Aufbereitung der Trainingsdaten eine wesentliche Rolle ein. Sie erlangen die Fähigkeit zur Lösung anspruchsvoller Analyse- und Klassifikations- und Rekonstruktionsaufgaben mittels neuronaler Netze. |
Typ |
Praktikum |
Separate Prüfung |
Ja |
Exemplarische inhaltliche Operationalisierung |
Die Studierenden implementieren, verifizieren und validieren tiefe neuronale Netze für praxisnahe Problemstellungen (z.B. Verkehrsschilderkennung). |
Separate Prüfung
Benotet |
Nein |
Frequenz |
Einmal im Jahr |
Voraussetzung für Teilnahme an Modulprüfung |
Ja |
Konzept |
Die Studierenden schliessen sich zu Kleingruppen zusammen. Jede Kleingruppe bearbeitet mehrerer kleinere Projekte mit zugewiesenen Laborterminen. |
© 2022 Technische Hochschule Köln