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     

Maschinelles Lernen - Einzelansicht

Grunddaten
Veranstaltungsart Vorlesung
Veranstaltungsnummer 3256 Kurztext ML
Semester WiSe 2012/13 SWS 3
Erwartete Teilnehmer/-innen 18 Max. Teilnehmer/-innen
Rhythmus i.d.R. jedes 2. Semester Studienjahr / Zielgruppe
Credits
Hyperlink http://www.ismll.uni-hildesheim.de/lehre/ml-12w/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
Di. 10:00 bis 12:00 c.t. Einzeltermin am 26.02.2013 Gebäude B (Samelson-Campus) - SC.B.0.26 (Seminarraum) Raumplan        
Einzeltermine anzeigen
iCalendar Export
Di. 10:00 bis 12:00 c.t. wöchentlich Gebäude B (Samelson-Campus) - SC.B.0.26 (Seminarraum) Raumplan        
Einzeltermine anzeigen
iCalendar Export
Mi. 10:00 bis 12:00 c.t. wöchentlich Gebäude B (Samelson-Campus) - SC.B.0.26 (Seminarraum) Raumplan        
Gruppe 1-Gruppe:
Prüfungstermine
Semester Termin Prüfer/-in Parallelgruppe Datum Prüfungsform Beginn Anmeldefrist Ende Anmeldefrist Ende Abmeldefrist Infos zu Nachschreibterminen
WiSe 2012/13 01 26.02.2013 Klausur 21.01.2013 25.02.2013 VERBINDLICH 25.02.2013 VERBINDLICH


Zugeordnete Personen
Kontaktperson (durchführend) Zuständigkeit
Schmidt-Thieme, Lars, Professor Dr. Dr. verantwortlich und durchführend
Weitere Person Zuständigkeit
Khan, Umer , M.Sc. nicht durchführend, nicht verantwortlich
Studiengänge
Abschluss Studiengang Semester ECTS Kontingent
Bachelor B.Sc. I M I T 8
Bachelor B.Sc. Wirtschaftsinformat
Master M.Sc. Informationsmanagm. 1 - 3 8
Master M.Sc. Wirtschaftsinf. 1 - 3 8

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

LSF - Module
Modulkürzel Modultitel
MIT-VML Maschinelles Lernen
Zuordnung zu Einrichtungen
Abt. Wirtschaftsinformatik und Maschinelles Lernen
Inhalt
Lerninhalte

Maschinelles Lernen (auch als Data Mining, Mustererkennung, Datenanalyse oder Klassifikation bekannt) ist ein Forschungsgebiet an der Schnittstelle von Informatik, Künstlicher Intelligenz, Mathematik und Statistik, die sich diesen Problemen widmet.
In dieser Vorlesung werden wir die einfachsten Lernprobleme studieren, angefangen mit Regressions- und Klassifikationsproblemen (überwachtes Lernen). Hier werden wir uns verschieden Modelle anschauen, wie etwa Lineare Modelle, Entscheidungsbäume, Neuronale Netzwerke, Support-Vector-Maschinen oder einfache Arten Bayesscher Netzwerke. Später werden wir uns auch mit Clusteranalyse und Dimensionsreduktion beschäftigen (unüberwachtes Lernen).

Modulhandbuch:
Studierende sollen nach Absolvierung des Moduls praktische Aufgaben auf das jeweilige Grundproblem zurückführen können. Sie sollen ein tieferes Verständnis im Bereich des maschinellen Lernens entwickelt haben. Sie sollen die Verfahren des maschinellen Lernens verstehen, umsetzen und anwenden können. Sie sollen Verfahren auf spezifische Anwendungsprobleme anpassen können. Darüber hinaus sollen sie dazu in der Lage sein, sich selbständig weitere Verfahren anhand von Literatur zu erarbeiten.

Zielgruppe

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

 


Strukturbaum
Keine Einordnung ins Vorlesungsverzeichnis vorhanden. Veranstaltung ist aus dem Semester WiSe 2012/13 , Aktuelles Semester: SoSe 2024
Impressum      Datenschutzerklärung     Datenschutz      Datenschutzerklärung     Erklärung zur Barrierefreiheit