Modul
ML - Maschinelles Lernen
Bachelor Technische Informatik 2020
PDF Studiengangsverzeichnis Studienverlaufspläne Bachelor Technische Informatik
Version: 1 | Letzte Änderung: 23.09.2019 09:38 | Entwurf: 0 | Status: vom Modulverantwortlichen freigegeben | Verantwortlich: Thieling
| Anerkannte Lehrveranstaltungen | ML_Thieling |
|---|---|
| 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
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 | |
|---|---|---|
| Frequenz | Jedes Semester | |
Prüfungskonzept
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.
Learning Outcomes
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
Vermittelte Voraussetzungen für Kompetenzen
Befähigung zum lebenslangen Lernen
Vermittelte Kompetenzen
fachliche Probleme abstrahieren und formalisieren
Konzepte und Methoden der Informatik, Mathematik und Technik kennen und anwenden
Systeme analysieren
Systeme entwerfen
Systeme realisieren
Systeme prüfen
Komplexe technische Aufgaben im Team bearbeiten
Inhaltliche Voraussetzungen
|
MA1 -Mathematik 1 |
Problemlösungskompetenz aus dem Bereich lineare Algebra und der Analysis. Sicheres Beherrschen der entsprechenden Symbole und Formalismen. | |
|---|---|---|
Handlungsfelder
Anforderungen, Konzepte und Systeme analysieren und bewerten
Informationstechnische Systeme und Prozesse organisieren und betreiben
Mit Auftraggebern, Anwendern, gesellschaftlichem Umfeld und Teammitgliedern interagieren
Learning Outcomes
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 | Vermittelte Kompetenzen |
| fachliche Probleme abstrahieren und formalisieren | Vermittelte Kompetenzen |
| Konzepte und Methoden der Informatik, Mathematik und Technik kennen und anwenden | Vermittelte Kompetenzen |
| Systeme analysieren | Vermittelte Kompetenzen |
| Systeme entwerfen | Vermittelte Kompetenzen |
| Systeme realisieren | Vermittelte Kompetenzen |
| Systeme prüfen | Vermittelte Kompetenzen |
| Grundzüge wissenschaftlichen Arbeitens kennen und anwenden | Vermittelte Voraussetzungen für Kompetenzen |
| Komplexe technische Aufgaben im Team bearbeiten | Vermittelte Kompetenzen |
| Befähigung zum lebenslangen Lernen | Vermittelte Voraussetzungen für Kompetenzen |
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.
Separate Prüfung
keine
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 | |
Prüfungskonzept
Die Studierenden schliessen sich zu Kleingruppen zusammen. Jede Kleingruppe bearbeitet mehrerer kleinere Projekte mit zugewiesenen Laborterminen.
Webredaktion der Fakultät IME
© 2022 Technische Hochschule Köln