Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage grundlegende Konzepte des Maschinellen Lernens (inkl. Datenaufbereitung, Wahl von passenden Algorithmen, Evaluierung) beschreiben und diese entsprechend auf reale Problemstellungen anwenden.

Fachliche und methodische Kompetenzen: Nach positiver Absolvierung des Moduls können die Studierenden

• eine geeignete Strategie für das Bewältigen einer gegebenen Problemstellung erarbeiten (Auswahl von Algorithmen und Methoden),
• Grundlagen und formale Konzepte des Maschinellen Lernens erarbeiten und anwenden,
• eine geeignete Strategie für das Aufbereiten von realen Daten entwickeln,
• ein Evaluierungskonzept definieren.

Kognitive und praktische Kompetenzen: Nach positiver Absolvierung des Moduls können die Studierenden

• bestehende Problemstellungen und deren zugrundeliegenden Konzepte verstehen,
• Datenmengen analysieren und für deren korrekte Verwendung aufbereiten,
• verschiedene Algorithmen und Lösungsansätze auf reale Daten anwenden,
• angewandte Methoden korrekt evaluieren und Ergebnisse interpretieren.

Soziale Kompetenzen und Selbstkompetenzen: Nach positiver Absolvierung des Moduls können Studierende Problemstellungen selbstständig analysieren, geeignete Methoden anwenden und evaluieren sowie Ergebnisse interpretieren.

Geplante Lehrinhalte sind:

• Einführung, Geschichte und Taxonomie
• Grundlegende Konzepte des Maschinellen Lernens (Fehlerschranken, Datenaufbereitung und Evaluierungsmethoden) und Applikationen
• Regelbasierte Klassifikation und Regression
• Clustering und Dimensionsreduktion
• Lerntheorie
• Kernmethoden
• Probabilistische Modelle
• Ensemble Methoden
• Deep Learning
• Online, Active und Reinforcement Learning
• Ausblick inklusive Fairness und Ethik im Maschinellen Lernen

Präsenz-Vorlesungen, bewertete Übungen mit formativem Feedback, Übungsdiskussionen, und zusätzliches online Material.

Die Studierenden müssen (1) verpflichtende Übungen, (2) eine Projektarbeit und (3) eine schriftliche Abschlussprüfung positiv absolvieren. Die Termine für die drei Teilleistungen werden über TUWEL bekannt gegeben. Die drei Teilleistungen sind wiederholbar und die Termine für die Wiederholungen werden individuell bekannt gegeben.

Die finale Leistungsbeurteilung erfolgt über die Bewertungen der drei Teilleistungen.

Folgende Vorkenntnisse werden empfohlen:

• Programmierkenntnisse
• Mathematische Grundlagen (z.B. Lesen und Verstehen von formalen Beweisen, lineare Algebra, Statistik, Wahrscheinlichkeitstheorie)