Modul

MLWR - Maschinelles Lernen und Wissenschaftliches Rechnen

Master Elektrotechnik 2020


PDF Studiengangsverzeichnis Studienverlaufspläne Master Elektrotechnik

Version: 1 | Letzte Änderung: 28.10.2019 18:34 | Entwurf: 0 | Status: vom Modulverantwortlichen freigegeben | Verantwortlich: Rhein

Anerkannte Lehrveran­staltungen MLWR_Rhein
Dauer 1 Semester
ECTS 5
Zeugnistext (de) Maschinelles Lernen und Wissenschaftliches Rechnen
Zeugnistext (en) Machine Learning and Scientific Computing
Unterrichtssprache deutsch oder englisch
abschließende Modulprüfung Ja
Inhaltliche Voraussetzungen
Handlungsfelder
Forschung: Von der Grundlagenforschung bis hin zur Industrieforschung und der Qualifikation für ein Promotionsstudium. Entwicklung: Algorithmen, Software, Verfahren , Geräte, Komponenten und Anlagen.
Qualitätskontrolle von Produkten und Prozessen, Mess- und Prüftechnologien, Zertifizierungsprozesse.
IT Administration, Projektcontrolling einschließlich Budget. Tätigkeiten im höheren Dienst in Verwaltung, Behörden und Ministerien.
Modulprüfung
Benotet Ja
Frequenz undefined
Prüfungskonzept

mündliche Prüfung:
Fragen zu unterschiedlichen Themengebieten
sowohl inhaltlich als auch methodisch
unterschiedliche Schwierigkeitsgrade
Möglichkeit zu skizzieren und Formeln aufzuschreiben

Learning Outcomes
LO1 - "Was:
fortgeschrittene Methoden des maschinellen Lernens auf typische Datensätze der technischen Informatik anwenden
Fallstricke des Maschinellen Lernens in der Vorgehensweise erkennen
für eine Aufgabenstellung das geeignete Verfahren bestimmen und anwenden können
Qualität von Datensätzen beurteilen und verbessern
Datenschutzgesetze kennen
weit verbreitete Software des maschinellen Lernens anwenden

Womit:
Die Methoden werden anhand eines Vortrags oder per Lernvideos vermittelt und in Vorlesung und Übung direkt angewendet. Jeder Student wird ein Projekt durchführen (je nach Anzahl der Studierenden in Gruppenarbeit), bei der er sich Teile des Stoffes selber erarbeitet.

Wozu:
Maschinelles Lernen wird bei den späteren Arbeitgebern immer mehr eingeführt, etwa in der Robotik, aber auch zur Überwachung und Steuerung von Produktionsprozessen oder Energiesystemen und zur Auswertung von Kundendaten, hier ist ein verantwortlicher Einsatz von Daten wichtig.
Kompetenzen

diese Kompetenz wird vermittelt
MINT Fachwissen erweitern und vertiefen
Komplexe Systeme analysieren
Modelle komplexer Systeme bewerten
Komplexe wissenschaftliche Aufgaben selbständig bearbeiten
Forschungs- und Entwicklungs-Ergebnisse darstellen
Anerkannte Methoden für wissenschaftliches Arbeiten beherrschen
Gesellschaftliche und ethische Grundwerte anwenden

Inhaltliche Voraussetzungen
Handlungsfelder
Forschung: Von der Grundlagenforschung bis hin zur Industrieforschung und der Qualifikation für ein Promotionsstudium. Entwicklung: Algorithmen, Software, Verfahren , Geräte, Komponenten und Anlagen.
Qualitätskontrolle von Produkten und Prozessen, Mess- und Prüftechnologien, Zertifizierungsprozesse.
IT Administration, Projektcontrolling einschließlich Budget. Tätigkeiten im höheren Dienst in Verwaltung, Behörden und Ministerien.
Learning Outcomes
LO1 - "Was:
fortgeschrittene Methoden des maschinellen Lernens auf typische Datensätze der technischen Informatik anwenden
Fallstricke des Maschinellen Lernens in der Vorgehensweise erkennen
für eine Aufgabenstellung das geeignete Verfahren bestimmen und anwenden können
Qualität von Datensätzen beurteilen und verbessern
Datenschutzgesetze kennen
weit verbreitete Software des maschinellen Lernens anwenden

Womit:
Die Methoden werden anhand eines Vortrags oder per Lernvideos vermittelt und in Vorlesung und Übung direkt angewendet. Jeder Student wird ein Projekt durchführen (je nach Anzahl der Studierenden in Gruppenarbeit), bei der er sich Teile des Stoffes selber erarbeitet.

Wozu:
Maschinelles Lernen wird bei den späteren Arbeitgebern immer mehr eingeführt, etwa in der Robotik, aber auch zur Überwachung und Steuerung von Produktionsprozessen oder Energiesystemen und zur Auswertung von Kundendaten, hier ist ein verantwortlicher Einsatz von Daten wichtig.
Kompetenzen
Kompetenz Ausprägung
MINT Fachwissen erweitern und vertiefen diese Kompetenz wird vermittelt
Komplexe Systeme analysieren diese Kompetenz wird vermittelt
Modelle komplexer Systeme bewerten diese Kompetenz wird vermittelt
Komplexe wissenschaftliche Aufgaben selbständig bearbeiten diese Kompetenz wird vermittelt
Forschungs- und Entwicklungs-Ergebnisse darstellen diese Kompetenz wird vermittelt
Anerkannte Methoden für wissenschaftliches Arbeiten beherrschen diese Kompetenz wird vermittelt
Gesellschaftliche und ethische Grundwerte anwenden diese Kompetenz wird vermittelt

Exempla­rische inhaltliche Operatio­nalisierung

Approximationsverfahren
Metamodellierung
Regressionsverfahren
Multikriterielle Optimierung (Formulierung, Paretofront, Algorithmen, Visualisierung)
Fortgeschrittene Clusteranalyse
Assoziationsanalyse
Ausreißererkennung
Fortgeschrittene Klassifikationsverfahren
evtl. Texterkennung, Web Mining, Zeitreihenanalyse

Separate Prüfung

keine

Exempla­rische inhaltliche Operatio­nalisierung

weiterführende Aufgabenstellung:
über den Vorlesungsstoff hinausführende Aufgabenstellung, bei der eine Methode selbständig erarbeitet werden muss, anschließend Umsetzung in einem Programm

Separate Prüfung

keine


© 2022 Technische Hochschule Köln