Wahlpflichtfächer

Lehrinhalt:
• Überblick über aktuelle Anwendungen
• Theorie und Methoden des maschinellen Lernens wie z.B. logistische Regression, Support Vector Machine oder (tiefe) neuronale Netze
• Praktische Umsetzung ausgewählter Methoden in MATLAB/Python

Lernziele des Moduls:
Fachliche Kompetenzen:
Die Studierenden
• kennen die Grundbegriffe und Definitionen im Bereich des maschinellen Lernens (ML)
• kennen unterschiedliche ML-Algorithmen.
• können ML-Algorithmen selbst programmieren.

Methodische Kompetenzen:
Die Studierenden
• sind in der Lage, die Vor-und Nachteile von ML-Algorithmen zu bewerten.
• können passende ML-Algorithmen für unterschiedliche Anwendungsgebiete auswählen.

Fächerübergreifende Kompetenzen:
Die Studierenden
• können Chancen und Grenzen maschinellen Lernens formulieren.
• können komplexere MATLAB-Programme schreiben.

Literatur:
M. Sterner, I. Stadler: Maschinelles Lernen, Carl Hanser Verlag, München, 2019.
S. Mirjalili: Evolutionary Algorithms and Neural Networks, Springer International Publishing, 2019.
G. James et al.: An Introduction to Statistical Learning, Springer-Verlag New York, 2013.
P. Kim: MATLAB Deep Learning, Apress, 2017.