Wahlpflichtfächer

Lern-/Qualifikationsziele

Fachliche Kompetenzen: Die Studierenden
• kennen die Grundbegriffe und Definitionen im Bereich des unüberwachten und bestärkenden MLs
• kennen unterschiedliche ML-Algorithmen aus den  oben genannten Bereichen.
• 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 des MLs formulieren.
• können komplexere Softwareprogramme schreiben.

Lehrinhalt

• Überblick über aktuelle Anwendungen des maschinellen Lernens (MLs)
• Theorie und Algorithmen des unüberwachten und bestärkenden MLs
• Praktische Umsetzung ausgewählter Methoden in MATLAB

Literatur/Medien

Literatur:
R. Sutton, A. Barto: Reinforcement Learning: An Introduction, Bradford Books, 2018.
G. James et al.: An Introduction to Statistical Learning with Applications in R, Springer, 2021.
J. Frochte: Maschinelles Lernen – Grundlagen und Algorithmen in Python, Hanser, 2021.