--- Angabe der Prüfungsordnung (ohne Angabe: PO 2011)
*** PO 2017 ***
------------------------------------------------------------------
---
--- Vorlage für Modulbeschreibungen
---
--- Version: 2.0
---
--- Allgemeine Hinweise:
---
--- - Kommentare beginnen mit --- und werden komplett ignoriert
---
--- - Wichtige Schlüsselwörter beginnen mit *** und dürfen nicht
---   verändert oder gelöscht werden!!!
---
--- - Die Eingaben müssen immer in den leeren Zeilen nach *** erfolgen.
---
--- - Für einen Zeilenumbruch muss eine Leerzeile eingegeben werden.
---
------------------------------------------------------------------

*** Studiengang und Semester
--- für Studiengang nur Kürzel verwenden: BaE, BaEP, BaI, BaMT oder MaII
--- Folgende Stuiengänge sind möglich:
--- 
--- BaBTBI : Bachelor Biotechnologie/Bioinformatik
--- BaCTUT : Bachelor Chemietechnik/Umwelttechnik
--- BaE    : Bachelor Elektrotechnik
--- BaEE   : Bachelor Energieeffizienz
--- BaEP   : Bachelor Elektrotechnik im Praxisverbund
--- BaI    : Bachelor Informatik
--- BaIBS  : Bachelor Industrial Business Systems
--- BaIBSE : Bachelor Industrial Business Systems
--- BaLT   : Bachelor Lasertechnik/Photonik
--- BaMD   : Bachelor Maschinenbau und Design
--- BaMDP  : Bachelor Maschinenbau und Design (Praxisverbund)
--- BaMT   : Bachelor Medientechnik
--- MaALS  : Master Applied Life Science
--- MaII   : Master Industrial Informatics
--- MaMb   : Master Maschinenbau
--- MaTM   : Master International Technical Management
--- MaTMeng: Master International Technical Management (eng)
---
--- Das Semester wird davor geschrieben, auch Semesterbereiche möglich
--- Wenn das Modul in mehreren Studiengängen verwendet wird, werden diese
--- durch Komma getrennt aufgeführt.
---
--- Beispiel: 2BaI, 2-3BaE, 5BaMT

6BaI, 8BaIP

*** Modulbezeichnung
--- Name laut Modulliste verwenden
Maschinelles Lernen 2

*** Englische Modulbezeichnung
Machine Learning 2

*** Modulsprache
Deutsch

*** Modulkuerzel MAL2 ***
*** Art
--- nur Alternativen: Pflichtfach, Wahlpflichtfach
---
--- Beispiele: 
--- Pflichtfach
--- Wahlpflichtfach
--- Pflichtfach Vertiefung Technische Informatik

Wahlpflichtfach Zertifikat Data Science

*** ECTS-Punkte
--- nur Zahl angeben
--- Beispiele:
--- 5
--- 7,5

5

*** Studentische Arbeitsbelastung
--- Angabe als x Stunden Kontaktzeit und y Stunden Selbststudium
--- Format: x, y

60,90


*** Voraussetzungen (laut Prüfungsordnung)
--- nur Modulbezeichnungen aufführen, z.B. Java 1

Mathematik 1, Mathematik 2, Datenbanken

*** Empfohlene Voraussetzungen
--- zusätzliche Module, die nicht in Prüfungsordnung als Voraussetzung stehen
--- nur Modulbezeichnungen aufführen, z.B. Java 1

Maschinelles Lernen 1, Bild- und Signalverarbeitung, Internet-Technologien


*** Pruefungsform und -dauer
--- Alternativen:
--- Klausur 1,5h
--- Klausur 1,5h oder mündliche Prüfung
--- Mündliche Prüfung
--- Erstellung und Dokumentation von Rechnerprogrammen

Klausur 1,5h oder mündliche Prüfung oder Studienarbeit

*** Lehrmethoden und Lernmethoden
--- Alternativen: Vorlesung, Praktikum, Seminar, Studentische Arbeit
--- Falls Modul aus mehreren Veranstaltungen besteht, werden diese durch
--- Komma getrennt aufgeführt.

Seminar

*** Modulverantwortlicher
--- Vorname abgekürzt, keine Titel
--- Beispiel: F. Rump

N. N.

*** Qualifikationsziele
--- Fließtext eingeben
--- siehe Vorgaben in der Dokumentation

Die Studierenden sind in der Lage konkrete Problemstellungen im Kontext des maschinellen Lernens zu analysieren. Sie kennen wichtige Machine Learning und Deep Learning Bibliotheken und können diese für konkrete Aufgabenstellungen aus unterschiedlichen Domänen anwenden. Die Studierenden verstehen den Prozess der Integration von Modellen in modulare Cloud-Umgebungen und können diesen für einfache Beispiele realisieren.


*** Lehrinhalte
--- Fließtext eingeben

Auf Basis des Moduls Maschinelles Lernen 1 lernen die Studierenden weitergehende Konzepte und Methoden (bspw. probabilistische Modelle, Deep Learning) mit praktischen Übungen aus unterschiedlichen Domänen (bspw. Maschinelles Sehen, Computerlinguistik) kennen. Die Studierenden lernen wie Modelle in modulare Systemlandschaften mittels Containerisierung (bspw. Docker, Kubernetes) und Daten-Pipelines (bspw. Apache Kafka, PostgreSQL) integriert und überwacht (bspw. Grafana) werden.


*** Literatur
--- Format: Heun, V.: Grundlegende Algorithmen, Vieweg, 2000.
--- Mehrere Literaturangaben durch Leerzeilen trennen!

Russel, S.; Norvig, P.: Artifical Intelligence - A Modern Approach, Pearson, 2021.

------------------------------------------------------------------
---
--- Hier beginnt die Aufzählung der einzelnen Lehrveranstaltungen
--- des Moduls (z.B. Vorlesung und Praktikum).
---
--- Falls mehrere Lehrveranstaltungen vorgesehen sind, bitte die
--- entsprechenden Bereiche auskommentieren.
---
------------------------------------------------------------------

*** Titel der Lehrveranstaltung
--- Beispiel: Praktikum Informationssysteme

Maschinelles Lernen 2

*** Dozent
--- Vorname abgekürzt, keine Titel
--- Beispiel: F. Rump

N. N.

*** SWS
--- Zahl angeben
4