### PO 2024 ### ### Studiengang und Semester BDM ### Modulbezeichnung Machine Learing ### Englische Modulbezeichnung ### Art Wahlpflichtmodul BDM: Pflichtfach blended learning ### ECTS-Punkte 5 ### Studentische Arbeitsbelastung 60, 90 ### Voraussetzungen (laut Prüfungsordnung) keine ### Empfohlene Voraussetzungen keine ### Pruefungsform und -dauer Mündliche Prüfung (30 Minuten) ### Lehrmethoden und Lernmethoden Vorlesung, Übung am Rechner ### Modulverantwortlicher Till Becker ### Qualifikationsziele Die Studierenden erwerben ein tiefes Verständnis der grundlegenden und fortgeschrittenen Konzepte und Techniken des Machine Learning, einschließlich überwachtes und unüberwachtes Lernen, Klassifikation, Regression, Clustering und Verstärkungslernen. Sie verstehen die mathematischen und statistischen Grundlagen, die den Machine Learning Techniken zugrunde liegen, einschließlich Wahrscheinlichkeitstheorie, lineare Algebra und Optimierung. Die Studierenden sind in der Lage, eine Vielzahl von Machine-Learning-Algorithmen selbstständig auf reale Daten anzuwenden, einschließlich der Vorbereitung der Daten, des Trainierens von Modellen und der Bewertung der Modellleistung. Sie entwickeln Fähigkeiten in der Anwendung und Implementierung von Machine-Learning-Techniken für fortgeschrittene Problemstellungen entwickeln und können dabei die geeignetsten Algorithmen und Methoden auswählen. Sie sind in der Lage, die Leistung von Machine-Learning-Modellen kritisch zu bewerten, ihre Grenzen zu erkennen und Anpassungen für spezifische Anwendungen vorzunehmen. Die Studierenden können technische Aspekte des Machine Learning klar und effektiv kommunizieren, sowohl schriftlich als auch mündlich, an technische und nicht-technische Stakeholder. Sie können effektiv in Teams arbeiten, um gemeinsam Machine-Learning-Projekte zu entwickeln und umzusetzen. ### Lehrinhalte * Abgrenzung maschinelles Lernen (ML) und KI * Anwendungsgebiete für ML * Methoden des überwachten und unüberwachte Lernens, z.B. * KNN, Entscheidungsbäume, Clustering, Regression, SVM * Evaluation des Einsatzes von ### Literatur Lernmaterialien werden über eine Online-Plattform zur Verfügung gestellt; * S. Russel, P. Norvig, Künstliche Intelligenz: Ein moderner Ansatz, Pearson, neueste Auflage * P. Wilmott, Grundkurs Machine Learning, Rheinwerk, neueste Auflage * Frochte, J., Maschinelles Lernen: Grundlagen und Algorithmen in Python, Hanser, neueste Auflage ### Titel der Lehrveranstaltung Machine Learning ### Dozent Till Becker ### SWS 4