Bachelor Elektrotechnik 2020
PDF Studiengangsverzeichnis Studienverlaufspläne Bachelor Elektrotechnik
Version: 1 | Letzte Änderung: 12.02.2021 13:50 | Entwurf: 0 | Status: vom Modulverantwortlichen freigegeben | Verantwortlich: Rhein
Anerkannte Lehrveranstaltungen | DDML_Rhein |
---|---|
Modul ist Bestandteil der Studienschwerpunkte | SE - Smart Energy IOT - Internet of Things |
Dauer | 1 Semester |
ECTS | 5 |
Zeugnistext (de) | Data Mining |
Zeugnistext (en) | Data Mining |
Unterrichtssprache | deutsch |
abschließende Modulprüfung | Ja |
MA1 - Mathematik 1 |
mathematische Modelle verstehen und aufstellen Differentialrechnung |
|
---|---|---|
MA2 - Mathematik 2 |
Funktionen mit mehreren Veränderlichen anwenden Lineare Algebra: Matrizen aufstellen und mit ihnen rechnen |
Benotet | Ja | |
---|---|---|
Frequenz | Jedes Semester | |
Abhängig von der Anzahl der Teilnehmer:
Bei wenigen Teilnehmern Kombination aus Klausur oder mündlicher Prüfung und Bewertung des Mini-Projektes
Bei vielen Teilnehmern Prüfung über Klausur; Mini-Projekt als Voraussetzung zur Teilnahme an der Klausur
In der Klausur bzw. mündlichen Prüfung werden die Methoden, Vorgehensweisen, Fallstricke und gesetzliche Grundlagen des Data Mining geprüft.
Im Mini-Projekt wird die Fähigkeit zu selbständigem eigenverantwortlichem Handeln und der Umgang mit geeigneter Software abgeprüft.
MA1 - Mathematik 1 |
mathematische Modelle verstehen und aufstellen Differentialrechnung |
|
---|---|---|
MA2 - Mathematik 2 |
Funktionen mit mehreren Veränderlichen anwenden Lineare Algebra: Matrizen aufstellen und mit ihnen rechnen |
Kompetenz | Ausprägung |
---|---|
Finden sinnvoller Systemgrenzen | Vermittelte Voraussetzungen für Kompetenzen |
Abstrahieren | Vermittelte Kompetenzen |
Erkennen, Verstehen und analysieren technischer Zusammenhänge | Vermittelte Kompetenzen |
MINT Modelle nutzen | Vermittelte Kompetenzen |
Technische Systeme analysieren | Vermittelte Kompetenzen |
Informationen beschaffen und auswerten | Vermittelte Kompetenzen |
In unsicheren Situationen entscheiden | Vermittelte Kompetenzen |
Lernkompetenz demonstrieren | Vermittelte Kompetenzen |
Einführung in eine geeignete Software, z.B. Python
Einführung in deskriptive Statistik und evtl. auch Wahrscheinlichkeitsrechnung
Überwachtes Lernen:
- Klassifikationsverfahren: Ablauf, Performanzmaße, Anwendung eines Verfahrens des instanzbasierten Lernen, z.B. k-nearest-neighbor und eines Verfahrens des modellbasierten Lernen, z.B. Entscheidungsbäume
- evtl. Regressionsanalyse: über maschinelles Lernen und klassisch
Unüberwachtes Lernen:
- Clusteranalyse: k-means, evtl. auch DBSCAN
Preprocessing der Daten:
- Behandlung von beschädigten / fehlenden Daten
- Ausreißer oder Noise - Problematik
- Skalierung
- Visualisierung der Daten
- evtl. Dimensionsreduzierung
- Beurteilung der Qualität der Daten
- evtl. verschiedene Arten von Datensätzen betrachten, Bezug zu NoSql-Datenbanken herstellen
Ausblick auf aktuelle Forschung, z.B. Bilderkennung, Natural Language Processing, Reinforcement Learning
keine
© 2022 Technische Hochschule Köln