Die Informatik des Fachbereiches 3 der Universität Bremen Hier geht es zur Homepage der Verwaltung des Fachbereiches 3 der Universität Bremen Hier geht es zur Homepage der Informatik des Fachbereiches 3 der Universität Bremen Hier geht es zur Homepage der Mathematik des Fachbereiches 3 der Universität Bremen Hier geht es zur Homepage des Fachbereiches 3 der Universität Bremen Hier geht es zur Homepage der Universität Bremen


 




Zeige Systems Engineering-Format Pdf_icon Wirtschaftsinformatik-Format Pdf_icon Informatik-Format Pdf_icon Digitale Medien-Format Pdf_icon

Wirtschaftsinformatik-Ansicht

Aufbau Praktische Informatik (AI)


Practical Computer Science (Intermediate Level) (AI) 		Modulnummer
Bachelor
Pflicht/Wahl
Winf-Schwerpunkt-Pflicht
Winf-Schwerpunkt-Wahlpflicht
Wahl
Schwerpunkt
IT-Management
E-Business
Logistik
Computational Finance
Anzahl der SWS
V UE K S Prak. Proj. ∑
0 0 4 0 0 0 4
Kreditpunkte : 6 Turnus

i.d.R. angeboten alle 2 Semester

Formale Voraussetzungen : -
Inhaltliche Voraussetzungen : -
Vorgesehenes Semester : ab 1. Semester
Sprache : Englisch
Ziele :

Die Studierenden

  • haben ein Verständnis für moderne Methoden des Maschinellen Lernens und wie diese auf diverse Probleme angewendet werden können.

  • sind in der Lage, Anwendungsprobleme mit diesen Methoden zu lösen durch Modellierung des Problems im Rahmen des maschinellen Lernens, das Sammeln und Aufbereiten von Daten und die systematische Entwicklung einer Machine-Learning-Lösung auf der Grundlage bestehender Software-Frameworks.

  • sind in der Lage, Anforderungen und Probleme von methodischer, software- und anwendungstechnischer Seite zu betrachten und einzubeziehen.
Inhalte :
  • CNNs und darauf aufbauende Architekturen (Bildverarbeitung, Medizinische BV)
  • Reinforcement Lernen (Roboterkontrolle)
  • Recurrent NN (Audioverarbeitung, allgemeine Signalverarbeitung)
  • Multimodal Data

Lehrveranstaltung(en)

  • 03-IMAP-ML Fundamentals of Machine Learning
Unterlagen (Skripte, Literatur, Programme usw.) :
  • MIT 6.S191, Introduction to Deep Learning, http://introtodeeplearning.com
  • Ian Goodfellow, Yoshua Bengio, Aaron Courville, Deep Learning, MIT Press, 2016, http://www.deeplearningbook.org
Form der Prüfung : MP; Portfolio, Fachgespräch, mündliche Prüfung, Klausur, Hausarbeit, Referat+Ausarbeitung, ggf. Bonusprüfung
Arbeitsaufwand
Präsenz 56
Bearbeitung von Übungsaufgaben/Prüfungsvorbereitung 124
Summe 180 h
Lehrende: N.N. Verantwortlich Prof. Dr. U. Bormann
Zurück

Zeige Systems Engineering-Format Pdf_icon Wirtschaftsinformatik-Format Pdf_icon Informatik-Format Pdf_icon Digitale Medien-Format Pdf_icon