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 StudienschwerpunktsSMS - 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
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
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
Voraussetzungen für diese Kompetenz (Wissen,...) werden vermittelt
Grundzüge wissenschaftlichen Arbeitens kennen und anwenden
Befähigung zum lebenslangen Lernen

diese Kompetenz wird vermittelt
In Systemen denken
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
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
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

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.


© 2022 Technische Hochschule Köln