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
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
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
Vermittelte Kompetenzen
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
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
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 | Vermittelte Kompetenzen |
| Komplexe Systeme analysieren | Vermittelte Kompetenzen |
| Modelle komplexer Systeme bewerten | Vermittelte Kompetenzen |
| Komplexe wissenschaftliche Aufgaben selbständig bearbeiten | Vermittelte Kompetenzen |
| Forschungs- und Entwicklungs-Ergebnisse darstellen | Vermittelte Kompetenzen |
| Anerkannte Methoden für wissenschaftliches Arbeiten beherrschen | Vermittelte Kompetenzen |
| Gesellschaftliche und ethische Grundwerte anwenden | Vermittelte Kompetenzen |
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
Webredaktion der Fakultät IME
© 2022 Technische Hochschule Köln