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 
  1. SucheSuchen         
  2. SoSe 2024
  3. Hilfe
  4. Sitemap
Switch to english language
Startseite    Anmelden     

Bachelor-Seminar: Maschinelles Lernen und Künstliche Intelligenz - Einzelansicht

Grunddaten
Veranstaltungsart Seminar Co-finanziert aus Studienbeiträgen N
Veranstaltungsnummer 3259 Kurztext
Semester SoSe 2012 SWS 2
Erwartete Teilnehmer/-innen 12 Max. Teilnehmer/-innen
Rhythmus i.d.R. jedes 2. Semester Studienjahr / Zielgruppe
Credits 3
Hyperlink http://www.ismll.uni-hildesheim.de/lehre/semKIMLBI-12s/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 anzeigen
iCalendar Export
Do. 14:00 bis 16:00 c.t. wöchentlich Gebäude B (Samelson-Campus) - SC.B.0.26 (Seminarraum) Raumplan        
Gruppe 1-Gruppe:


Zugeordnete Personen
Kontaktpersonen (durchführend) Zuständigkeit
Horváth, Tomás, Dr. durchführend, nicht verantwortlich
Sengupta, Neelava , Dipl. Bioinformatics durchführend, nicht verantwortlich
Weitere Personen Zuständigkeit
Schmidt-Thieme, Lars, Professor Dr. Dr. verantwortlich, nicht durchführend
Wistuba, Martin , M.Sc. nicht durchführend, nicht verantwortlich
Studiengänge
Abschluss Studiengang Semester ECTS Kontingent
Bachelor B.Sc. I M I T 3
Bachelor B.Sc. Wirtschaftsinformat 3
LSF - Module
Modulkürzel Modultitel
xWI-SEBI Seminar Business Intelligence
IT-SKIML Seminar Künstliche Intelligenz und Maschinelles Lernen (Bachelor)
Zuordnung zu Einrichtungen
Inst. für Betriebswirtschaft und Wirtschaftsinformatik
Abt. Wirtschaftsinformatik und Maschinelles Lernen
Inhalt
Bemerkung

1. WI BSc Informatik KI + ML

2. WI BSc Informatik BI

3. IMIT BSc Informatik KI + ML

Lerninhalte

The goal of this seminar is to examine in detail prominent Machine Learning approaches. Machine Learning (also known as Data Mining, Pattern Recognition, Data Analysis, and Classification) is a research area at the intersection of computer science, artificial intelligence, mathematics and statistics, that addresses the problem of developing software systems able to improve their effectiveness with experience. It can be applied to a vast set of applications such as predicting customer behavior, steering a robot, detect spam, and predict the folding of a protein, to name just a few. In this seminar, state-of-the-art approaches to Machine Learning will be analyzed as well as their application to real world problems.

Das Ziel dieses Seminars ist es, wichtige Machine Learning Ansätze im Detail zu untersuchen. Maschinelles Lernen (auch als Data Mining, Mustererkennung, Data Analysis, und Klassifikation bekannt) ist ein Forschungsgebiet an der Schnittstelle von Informatik, Künstliche Intelligenz, Mathematik und Statistik, das das Problem der Software Entwicklung adressiert um die Effizienz durch Erfahrung zu verbessern. Es kann zu einer großen Reihe von Anwendungen wie beispielweise die Vorhersage des Kundenverhaltens, die Lenkung eines Roboters, Erkennen von Spam und Vorhersage der Spaltung eines Proteins angewendet werden. In diesem Seminar werden ebenso die Anwendung auf reale Probleme sowie die state-of-the-art Ansätze für maschinelles Lernen analysiert.

Zielgruppe

Studierende des Studiengangs Informationsmanagement und Informationstechnologie und Wirtschaftsinformatik
Gebiet: KI + ML (BSc)


Strukturbaum
Keine Einordnung ins Vorlesungsverzeichnis vorhanden. Veranstaltung ist aus dem Semester SoSe 2012 , Aktuelles Semester: SoSe 2024
Impressum      Datenschutzerklärung     Datenschutz      Datenschutzerklärung     Erklärung zur Barrierefreiheit