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     

Data Analytics I - Einzelansicht

Grunddaten
Veranstaltungsart Seminar Learnweb   Logo Learnweb
Veranstaltungsnummer 3617 Kurztext
Semester SoSe 2022 SWS 2
Erwartete Teilnehmer/-innen 15 Max. Teilnehmer/-innen 20
Rhythmus i.d.R. jedes Semester Studienjahr / Zielgruppe
Credits 4 Anmeldung Anmeldepflicht , Vergabe: Automatisch(Losen) (?)
Hyperlink   Evaluation Ja - Präsenzbogen
Sprache englisch
Anmeldefristen Anmeldung (Einzelvergabe) 07.03.2022 - 13.04.2022 23:59:59

Anmeldepflicht
Abmeldung bis Ende VL-Zeit 15.04.2022 - 22.07.2022 23:59:59

Anmeldepflicht
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
Di. 16:00 bis 18:00 c.t. wöchentlich 19.04.2022 bis 19.07.2022  Gebäude G (Hauptcampus) - G 409 (Kleiner Seminarraum) Raumplan        
Einzeltermine:
  • 19.04.2022
  • 26.04.2022
  • 03.05.2022
  • 10.05.2022
  • 17.05.2022
  • 24.05.2022
  • 31.05.2022
  • 14.06.2022
  • 21.06.2022
  • 28.06.2022
  • 05.07.2022
  • 12.07.2022
  • 19.07.2022
Gruppe 1-Gruppe:


Zugeordnete Person
Kontaktperson (durchführend) Zuständigkeit
Landwehr, Niels, Professor Dr. verantwortlich und durchführend
Studiengänge
Abschluss Studiengang Semester ECTS Kontingent
Bachelor B.Sc. I M I T 3 - 5
Bachelor B.Sc. Wirtschaftsinformat 3 - 5
Master M.Sc. Data Analytics 1 - 3
Master M.Sc. IMIT Studienvar. AI
Master M.Sc. Wirtschaftsinf.

Hinweis: Die Angaben zu den Semestern sind nur Empfehlungen, keine Anmeldebeschränkungen.

LSF - Module
Modulkürzel Modultitel
MWI-SemBI Seminar Business Intelligence (Master)
MIT-SKIML Seminar Künstliche Intelligenz und Maschinelles Lernen (Master)
BWI-WWIS WPF-Seminar B.Sc. WI (BA)
IT-SKIML Seminar Künstliche Intelligenz und Maschinelles Lernen (Bachelor)
MWI-BI-S4L Seminar, Ergänzung zu Prüfungen aus dem Modul Business Intelligence mit 4 LP
MDA-SDA1 Seminar Data Analytics I
Zuordnung zu Einrichtungen
Abt. Data Science
Inhalt
Bemerkung

The seminar is planned to take place on campus, although it is possible that some of the earlier meetings could still take place online. If you want to partiticpate, please also enroll in the Learnweb course at https://www.uni-hildesheim.de/learnweb2022/course/view.php?id=2679.

Voraussetzungen

Basic knowledge of machine learning (or the simultaneous enrollment in the machine learning lecture) is recommended.

Lerninhalte

In the seminar, we will study and discuss active machine learning approaches. Active learning is of interest in supervised machine learning scenarios where large amounts of unlabeled data are readily available but labeling data is costly. This scenario matches many application domains, from text classification to image analysis. The main idea behind active learning is that rather than labeling a random subset of all the available unlabeled data, we can try to actively select the most informative data points to label. Typically, this is done in a sequential fashion, by using a classifier trained on the currently available subset of labeled data to estimate how informative potential additional data points might be and then labeling those data points and retraining the classifier.

Throughout the seminar, we will study different methodological approaches to active learning as well as different application domains in which it can be applied.


Strukturbaum
Keine Einordnung ins Vorlesungsverzeichnis vorhanden. Veranstaltung ist aus dem Semester SoSe 2022 , Aktuelles Semester: WiSe 2022/23
Impressum      Datenschutzerklärung     Datenschutz      Datenschutzerklärung     Erklärung zur Barrierefreiheit