Wenn Sie diesen Text sehen, ist auf ihrem Gerät noch nicht das neue Layout geladen worden. Bitte laden Sie diese Seite neu (ggf. mit gedrückter 'Shift'- oder 'Alt'-Taste) oder in einem 'privaten Fenster'.
Weitere Hinweise unter https://www.uni-hildesheim.de/wiki/lsf/faq/fehler.im.layout.

Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 
Startseite    Anmelden     

Lab Programming Machine Learning - Einzelansicht

Grunddaten
Veranstaltungsart Praktikum
Veranstaltungsnummer 3112 Kurztext
Semester WiSe 2016/17 SWS 4
Erwartete Teilnehmer/-innen 10 Max. Teilnehmer/-innen
Rhythmus i.d.R. jedes 2. Semester Studienjahr / Zielgruppe
Credits 6
Hyperlink http://www.ismll.uni-hildesheim.de/lehre/prakAIML-16w/index.html Evaluation Ja - digitale Veranstaltung
Sprache englisch
Termine Gruppe: 1-Gruppe iCalendar Export
  Tag Zeit Rhythmus Dauer Raum (mögliche Änderungen beachten!) Raum-
plan
Lehrperson Status Bemerkung fällt aus am Max. Teilnehmer/-innen
Einzeltermine ausblenden
iCalendar Export
Do. 10:00 bis 14:00 c.t. wöchentlich von 20.10.2016  Gebäude C (Samelson-Campus) - SC.C.1.47 (Computerraum) Raumplan        
Einzeltermine:
  • 20.10.2016
  • 27.10.2016
  • 03.11.2016
  • 10.11.2016
  • 17.11.2016
  • 24.11.2016
  • 01.12.2016
  • 08.12.2016
  • 15.12.2016
  • 22.12.2016
  • 29.12.2016
  • 05.01.2017
  • 12.01.2017
  • 19.01.2017
  • 26.01.2017
  • 02.02.2017
iCalendar Export Mi. 14:00 bis 18:00 c.t. wöchentlich Gebäude A (Samelson-Campus) - SC.A.1.19 (Computerraum IMAI) Raumplan   fällt aus    
Gruppe 1-Gruppe:


Zugeordnete Personen
Kontaktperson (durchführend) Zuständigkeit
Jameel, Mohsan , M.S.c durchführend, nicht verantwortlich
Weitere Person Zuständigkeit
Schmidt-Thieme, Lars, Professor Dr. Dr. verantwortlich, nicht durchführend
Studiengänge
Abschluss Studiengang Semester ECTS Kontingent
Bachelor B.Sc. I M I T
Bachelor B.Sc. Wirtschaftsinformat
Master M.Sc. Data Analytics
Master M.Sc. Informationsmanagm.
Master M.Sc. Wirtschaftsinf.
LSF - Module
Modulkürzel Modultitel
xMIT-V6KIM Gebiet KIML (WINF/IMIT), Vorl 6AP (MA vor PO 2014)
0ERA-6LP Veranstaltungen mit 6 Credits f. ausl. Programmstud. (ERASMUS)
IT-PKI Praktikum Künstliche Intelligenz
MIT-PML Master-Praktikum Maschinelles Lernen
xWI-PRBI Praktikum Business Intelligence und Data Mining
MDA-LCPML Lab Course Programming Machine Learning
MWI-PrPML Praktikum Programming Machine Learning
Zuordnung zu Einrichtungen
Abt. Wirtschaftsinformatik und Maschinelles Lernen
Inhalt
Literatur
  • Murphy, Kevin P. Machine learning: a probabilistic perspective. MIT press, 2012.
    Christopher M. Bishop (2006): Pattern Recognition and Machine Learning.
    Lutz, Mark. Learning python. " O'Reilly Media, Inc.", 2013.
Lerninhalte

This implementation-oriented course offers hands-on experience with current algorithms and approaches in Machine Learning and Artificial Intelligence, and their application to real-world learning and decision-making tasks. Praktikum will also cover empirical methods for comparing learning algorithms, for understanding and explaining their differences, for analyzing the conditions in which a method is more suitable than others.
On weekly basis, we shall implement linear models for predictions (Linear Regression, Logistic Regression), classification trees (Decision trees), prototype method for clustering (K-Means), prototype classification methods (K-Nearest Neighbor, Naive Bayes classifier, Support Vector Machines) and link-based ranking algorithm PageRank.
The programming language for this course will be Python. We will also look at most popular libraries for solving different models.

Zielgruppe

Für Studierende der Bachelor-und Masterstudiengänge Wirtschaftsinformatik und Informationsmanagement und Informationstechnologie


Strukturbaum
Keine Einordnung ins Vorlesungsverzeichnis vorhanden. Veranstaltung ist aus dem Semester WiSe 2016/17 , Aktuelles Semester: WiSe 2024/25
Impressum      Datenschutzerklärung     Datenschutz      Datenschutzerklärung     Erklärung zur Barrierefreiheit